CN104159644B - 分析高尔夫挥杆的装置和方法 - Google Patents
分析高尔夫挥杆的装置和方法 Download PDFInfo
- Publication number
- CN104159644B CN104159644B CN201280045645.6A CN201280045645A CN104159644B CN 104159644 B CN104159644 B CN 104159644B CN 201280045645 A CN201280045645 A CN 201280045645A CN 104159644 B CN104159644 B CN 104159644B
- Authority
- CN
- China
- Prior art keywords
- player
- section
- joint
- processing unit
- measurement
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 191
- 238000005259 measurement Methods 0.000 claims abstract description 279
- 230000033001 locomotion Effects 0.000 claims abstract description 191
- 238000012545 processing Methods 0.000 claims description 164
- 238000005516 engineering process Methods 0.000 claims description 111
- 238000004458 analytical method Methods 0.000 claims description 98
- 238000006243 chemical reaction Methods 0.000 claims description 71
- 230000003287 optical effect Effects 0.000 claims description 62
- 210000002414 leg Anatomy 0.000 claims description 54
- 238000012549 training Methods 0.000 claims description 52
- 238000012360 testing method Methods 0.000 claims description 42
- 210000000115 thoracic cavity Anatomy 0.000 claims description 42
- 210000000689 upper leg Anatomy 0.000 claims description 39
- 230000008859 change Effects 0.000 claims description 36
- 210000001699 lower leg Anatomy 0.000 claims description 36
- 230000001133 acceleration Effects 0.000 claims description 35
- 230000008569 process Effects 0.000 claims description 35
- 230000009471 action Effects 0.000 claims description 30
- 238000013473 artificial intelligence Methods 0.000 claims description 30
- 210000001624 hip Anatomy 0.000 claims description 30
- 210000000323 shoulder joint Anatomy 0.000 claims description 29
- 210000003205 muscle Anatomy 0.000 claims description 27
- 210000004197 pelvis Anatomy 0.000 claims description 26
- 230000036544 posture Effects 0.000 claims description 26
- 210000001503 joint Anatomy 0.000 claims description 25
- 238000002474 experimental method Methods 0.000 claims description 24
- 210000004394 hip joint Anatomy 0.000 claims description 23
- 238000007689 inspection Methods 0.000 claims description 23
- 230000000694 effects Effects 0.000 claims description 22
- 210000003423 ankle Anatomy 0.000 claims description 21
- 210000002683 foot Anatomy 0.000 claims description 21
- 239000000203 mixture Substances 0.000 claims description 21
- 230000036961 partial effect Effects 0.000 claims description 21
- 238000004519 manufacturing process Methods 0.000 claims description 20
- 230000005540 biological transmission Effects 0.000 claims description 18
- 229910052751 metal Inorganic materials 0.000 claims description 17
- 239000002184 metal Substances 0.000 claims description 17
- 230000007935 neutral effect Effects 0.000 claims description 17
- 230000003068 static effect Effects 0.000 claims description 17
- 238000012937 correction Methods 0.000 claims description 16
- 238000009826 distribution Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000006073 displacement reaction Methods 0.000 claims description 14
- 210000003127 knee Anatomy 0.000 claims description 13
- 230000011218 segmentation Effects 0.000 claims description 13
- 210000002310 elbow joint Anatomy 0.000 claims description 11
- 238000012544 monitoring process Methods 0.000 claims description 10
- 210000003857 wrist joint Anatomy 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 9
- 238000001727 in vivo Methods 0.000 claims description 9
- 238000000926 separation method Methods 0.000 claims description 9
- 238000004441 surface measurement Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 230000035939 shock Effects 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 6
- 238000011160 research Methods 0.000 claims description 6
- 239000007787 solid Substances 0.000 claims description 6
- 238000002592 echocardiography Methods 0.000 claims description 5
- 230000001360 synchronised effect Effects 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000000670 limiting effect Effects 0.000 claims description 4
- 241000208340 Araliaceae Species 0.000 claims description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 3
- 238000004040 coloring Methods 0.000 claims description 3
- 235000008434 ginseng Nutrition 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000000644 propagated effect Effects 0.000 claims description 2
- 238000001739 density measurement Methods 0.000 claims 4
- 235000000396 iron Nutrition 0.000 claims 4
- 210000001145 finger joint Anatomy 0.000 claims 2
- 230000004888 barrier function Effects 0.000 claims 1
- 238000000205 computational method Methods 0.000 claims 1
- 239000004744 fabric Substances 0.000 claims 1
- 238000010197 meta-analysis Methods 0.000 claims 1
- 238000004080 punching Methods 0.000 claims 1
- 230000009897 systematic effect Effects 0.000 abstract description 4
- 230000008901 benefit Effects 0.000 description 17
- 230000000007 visual effect Effects 0.000 description 17
- 238000004422 calculation algorithm Methods 0.000 description 15
- 238000001914 filtration Methods 0.000 description 14
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 12
- 230000037396 body weight Effects 0.000 description 10
- 230000000630 rising effect Effects 0.000 description 10
- 210000001513 elbow Anatomy 0.000 description 9
- 230000014509 gene expression Effects 0.000 description 9
- 210000000707 wrist Anatomy 0.000 description 9
- 230000001976 improved effect Effects 0.000 description 8
- 230000015572 biosynthetic process Effects 0.000 description 7
- 210000000038 chest Anatomy 0.000 description 7
- 230000007423 decrease Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 6
- 230000005484 gravity Effects 0.000 description 6
- 229910052742 iron Inorganic materials 0.000 description 6
- 230000009467 reduction Effects 0.000 description 6
- 210000004556 brain Anatomy 0.000 description 5
- 210000000245 forearm Anatomy 0.000 description 5
- 238000009434 installation Methods 0.000 description 5
- 239000000523 sample Substances 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 210000003371 toe Anatomy 0.000 description 5
- 244000309466 calf Species 0.000 description 4
- 230000007812 deficiency Effects 0.000 description 4
- 230000002349 favourable effect Effects 0.000 description 4
- 210000002758 humerus Anatomy 0.000 description 4
- 210000000629 knee joint Anatomy 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000005381 potential energy Methods 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 230000003014 reinforcing effect Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 241000135309 Processus Species 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000000418 atomic force spectrum Methods 0.000 description 3
- 210000003169 central nervous system Anatomy 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000008093 supporting effect Effects 0.000 description 3
- 241000905957 Channa melasoma Species 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 2
- 210000002659 acromion Anatomy 0.000 description 2
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 210000000544 articulatio talocruralis Anatomy 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 210000000133 brain stem Anatomy 0.000 description 2
- 230000009194 climbing Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 230000002153 concerted effect Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000002224 dissection Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 210000003414 extremity Anatomy 0.000 description 2
- 210000003811 finger Anatomy 0.000 description 2
- 210000004013 groin Anatomy 0.000 description 2
- 210000004247 hand Anatomy 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000000873 masking effect Effects 0.000 description 2
- 150000002739 metals Chemical class 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 238000000053 physical method Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000009958 sewing Methods 0.000 description 2
- 210000004872 soft tissue Anatomy 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 210000001562 sternum Anatomy 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 210000001738 temporomandibular joint Anatomy 0.000 description 2
- 210000002435 tendon Anatomy 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 210000003954 umbilical cord Anatomy 0.000 description 2
- 210000002417 xiphoid bone Anatomy 0.000 description 2
- 241001061264 Astragalus Species 0.000 description 1
- 229910001369 Brass Inorganic materials 0.000 description 1
- 241000288673 Chiroptera Species 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 239000004411 aluminium Substances 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- HUTDUHSNJYTCAR-UHFFFAOYSA-N ancymidol Chemical compound C1=CC(OC)=CC=C1C(O)(C=1C=NC=NC=1)C1CC1 HUTDUHSNJYTCAR-UHFFFAOYSA-N 0.000 description 1
- 235000006533 astragalus Nutrition 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 239000010951 brass Substances 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 230000001925 catabolic effect Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 210000000852 deltoid muscle Anatomy 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 238000002567 electromyography Methods 0.000 description 1
- 210000002082 fibula Anatomy 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 244000144992 flock Species 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 210000000527 greater trochanter Anatomy 0.000 description 1
- 210000002478 hand joint Anatomy 0.000 description 1
- 230000004886 head movement Effects 0.000 description 1
- 210000003692 ilium Anatomy 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 239000000696 magnetic material Substances 0.000 description 1
- 230000005389 magnetism Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 210000000811 metacarpophalangeal joint Anatomy 0.000 description 1
- 229910052752 metalloid Inorganic materials 0.000 description 1
- 150000002738 metalloids Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 229910052755 nonmetal Inorganic materials 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 210000002221 olecranon process Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000002810 primary assay Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000002000 scavenging effect Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 210000004233 talus Anatomy 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 210000000431 third toe Anatomy 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0003—Analysing the course of a movement or motion sequences during an exercise or trainings sequence, e.g. swing for golf or tennis
- A63B24/0006—Computerised comparison for qualitative assessment of motion sequences or the course of a movement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/1036—Measuring load distribution, e.g. podologic studies
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
- A61B5/1122—Determining geometric values, e.g. centre of rotation or angular range of movement of movement trajectories
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/22—Ergometry; Measuring muscular strength or the force of a muscular blow
- A61B5/224—Measuring muscular strength
- A61B5/225—Measuring muscular strength of the fingers, e.g. by monitoring hand-grip force
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6895—Sport equipment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B69/00—Training appliances or apparatus for special sports
- A63B69/36—Training appliances or apparatus for special sports for golf
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
- G09B19/003—Repetitive work cycles; Sequence of movements
- G09B19/0038—Sports
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/10—Athletes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
- A61B5/1127—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using markers
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
- A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Physical Education & Sports Medicine (AREA)
- Artificial Intelligence (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Psychiatry (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Dentistry (AREA)
- Social Psychology (AREA)
- Physiology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Geometry (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Golf Clubs (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本系统分析了高尔夫挥杆,以高精确地等级测定球手身体产生的各个关节功率,采用了逆动力学和球手身体的详细建模。采用深度照相机测量身体节段形状,并采用磁性运动捕捉系统和三维测力板系统测量挥杆参数。通过本系统无需技术娴熟的技术人员便可迅速地进行分析,并且本系统适于一对一辅导和编译大型高尔夫挥杆数据库。
Description
技术领域
本发明涉及一种用于测量或分析高尔夫挥杆动力学特性(包括与球手体内能量产生和/或经球手身体和球杆进行能量传递相关的特性)的装置和方法。本发明还涉及一种涉及测量和分析相连节段(包括球手和球杆)组成的链中能量产生或传递的装置和方法。本发明具体涉及一种重点测量和分析高尔夫下挥杆且测量和分析用于训练或编译用于训练或分析的大型数据库以及精确度、费用和便利性尤为重要的系统和装置。
本发明还涉及一种采用处理器和人工智能装置预测高尔夫挥杆动力特性(包括与球手体内能量产生和/或经球手身体和球杆进行能量传递相关的特性)的装置和方法,其中采用光学深度测定装置和地面反作用力装置测量挥杆参数,并采用高尔夫挥杆大型数据库中的动力学和运动学信息训练人工智能装置。
本发明又涉及一种通过将综合能量相关数据转换为以使用户直观理解或更易于由其他装置处理的形式提取并传达其基本特征的格式分析高尔夫挥杆动力学特性(包括与球手体内能量产生和/或经球手身体和球杆进行能量传递相关的特性)的装置和方法。
背景技术
US 5772522公开了一种分析高尔夫挥杆的方法和装置,其中将高尔夫球手建模为相连的刚性身体节段组成的特定系统。高尔夫球杆的动态计算机模型与高尔夫球手的计算机模型相结合。所述模型通过光学运动捕捉系统由高尔夫球杆和球手上的跟踪标记导出的处理数据进行运动学驱动。尽管所述方法主要用于提供球杆参数变化对挥杆结果的影响分析,其也提供高尔夫球手身体的运动学和动力学分析。此方法不能自动运算,其中需要使用不同参数通过试探解进行调整。高尔夫球手建模存在许多显著不足。其中一些不足需要人工修正,以补偿模型的非挠性。其中一种人工修正包括使一只手臂有刚性、另一只手臂有挠性,以适应手臂的反馈调节系统。另一种人工修正包括叠加力矩控制函数,从而通过单独测量垂直力的测力板防止高尔夫球手模型的脚离地。另一不足涉及个体的身体节段质量、惯性和尺寸特性的使用,所述特性取自基于性别、体重和身高专门选择的普通人群的平均值。其他不足是由于把手和球杆握把当作单个刚性节段以及把上干当作单个刚性节段。另一不足是由于腰椎和胸腔关节明显位于躯干上中心位置。文件并未提到提供有意义的挥杆动力学分析所需的多种技术和注意事项,也未公开计算模型的力或功率数据所使用的具体技术。
US 7318779还公开了一种分析高尔夫挥杆的方法和装置,其中将高尔夫球手建模为相连的刚性身体节段组成的系统。采用有源光学运动捕捉系统捕捉运动。使用将高尔夫球手固定于静态直立位置的数字化探头和静态姿势固定装置获取关节中心测量值,并相对于高尔夫球手定位和定向标记。此过程还可获取肢节的长度。尽管并未公开如何实施,但根据软件包数据库中的平均特性,可使用计算机软件包通过高尔夫球手的年龄、体重和身高建立高尔夫球手模型。测量运动时仅采集位置数据,因此似乎无法分辨腿和手臂闭环中力的不确定性。文件建议使用逆动力学测定关节力矩,但并未公开计算这些参数的技术。
US 5625577也公开了一种分析高尔夫挥杆等运动的方法和装置,其中将高尔夫球手建模为相连的刚性身体节段组成的系统。据称此方法能以多种格式(包括计算机屏幕上的动画形式)显示和分析挥杆,且不需要试验,也无误差或分析员的直觉。采用连接的节段建模高尔夫球手,且数据库保留有物理限制特性和身体节段的固有特性。记录运动并采用逆动力学分析个体节段运动。通过平移和旋转调整运动,直到达到数据库中的物理限制。然后再次运用逆动力学获取整套完整结果。高尔夫球手模型包含约50个身体节段;逆动力学计算从地面开始,进行至手臂和头部。身体节段近似于多边形。类似于上述文件,测量运动时仅采集位置数据,因此似乎仍无法分辨腿和手臂闭环中力的不确定性。除使用计算机及通过录像带记录运动外,装置的细节并未提供。
上述现有技术文件均未公开采用实际用于测量个体高尔夫球手挥杆动作从而不适合实际高尔夫训练目的计算技术(如逆动力学)来测量高尔夫挥杆的系统。
WO 2009/060011公开了一种分析高尔夫挥杆的方法和装置,其中将高尔夫球手和球杆视为相连的刚性身体节段组成的系统,能量通过此系统产生并传递至球杆头。从高尔夫球手的地面反作用力获取数据,并使用采用从其他测量和分析系统获取的数据进行训练的人工智能装置分析处理的信号。系统未使用逆动力学或类似技术,也未涉及身体节段惯性参数的测定,且未提出相连的身体节段组成的链中腿和手臂构成的闭环处的不确定性问题。系统精确度依赖于训练人工智能装置所使用数据的精确度。
发明内容
此发明的具体特点参见附加的方法与设备权利要求文档。该文档以参考册的形式被放到此说明书中。因此为了表述上的经济便捷,“方法和设备权利要求”便不再复述在说明书中。
本说明书和权利要求中使用的术语“分析”包括测量和/或分析,并应做相应解释。本说明书和权利要求中使用的术语“测定”包括测量和/或测定,并应做相应解释。
附图说明
图1显示模型中使用的具有内外肩节段的身体节段和关节,其中躯干与上臂和大腿之间的节段分界线与关节的假想运动平面大约成一定角度。
图2显示描述逆动力学计算途径的图,其中腰椎或胸腔关节处终止计算。
图3示出测量高尔夫挥杆中运动学和地面反作用力参数装置的平面示意图。
图4示出描述使用上述技术应用预试验的握把力曲线解决逆动力学计算中左右臂闭环中的不确定性时的一些步骤示意图。
图5示出描述使用上述技术确定挥杆期间,测量的握把端运动中球杆杆身的偏斜以及同类型球杆的预确定有限元分析方程时的一些步骤示意图。
图6显示描述用触针测量身体节段惯性参数的一些步骤的图。
图7显示描述了通过三维照相机或增强型三维照相机测量身体节段惯性参数的系统中包含的一些主要步骤的图,其中构建的节段形状与节段坐标系相符合。
图8显示描述了装置用于测量球手体表时测量身体节段惯性参数的一些步骤的图。
图9显示描述了装置用于测量球手节段表面时测量身体节段惯性参数的一些步骤的图。
图10显示描述了通过测量球手节段表面测量身体节段惯性参数的一些步骤的图。
图11显示描述未滤波位移信号转换成滤波加速度信号时所包含的步骤的图。
图12显示描述技术用于滤波信号时包含的一些步骤的图。
图13显示描述这些技术用于经击球活动改进球杆头速度曲线的测定时包含的一些步骤的图。
图14显示描述替代实施例中使用训练的人工智能预测或测定最终使用净关节参数涉及的部分步骤。
图15显示描述替代实施例中涉及的部分基本步骤,其中该实施例用于测定或预测最终使用挥杆中的新数据,并分析挥杆。
图16为替代实例的平面示意图,其中该实施例包括增强型三维照相机、一对测力板、处理装置和通信装置,其利用经大型代表性高尔夫挥杆数据库训练的人工智能神经网络系统组合与处理数据。
图17显示替代实施例中用于通过最终使用地面反作用力测定装置、最终使用增强型三维照相机和人工智能系统测定或预测净关节参数和其他参数涉及的部分步骤。
图18显示装置分析高尔夫挥杆时通常涉及的部分步骤,该装置包括装有软件和算法的处理器装置,用于将关节功率临时图形转换为简化块以及选择有限数量简化块组成的组,其中组具有有用或有意义的相互关系。
图19显示了一种图表来描述了一些基础步骤,这些步骤包含了一种算法选择和运用四边形联合功率曲线,其处理器被认为包括一个单一工作块。
图20所示为限为下挥杆的代表性关节功率图形组,所示块为已完成击球中左髋关节、腰椎关节、胸腔关节、肩关节组、肘关节组和腕关节组相关块,通常具有从近到远顺序特性趋势。
图21显示图20中转化为四边形形式的简化块的关节功率块图形。
图22为图21中叠加在图20的关节功率图形上的已构建四边形。
图23为应用于图20的肩关节组合功率区块部分简化块形式的实例。
图24显示了描述涉及将块分成四边形和截顶四边形的一些步骤的图。
图25显示了可将包括关节功率曲线的块转换为一个或两个四边形或简化块的各种方法。
具体实施方式
由于可变性和潜在的复杂性,人体运动的测量和分析十分困难。对于高尔夫挥杆等快速执行且有技巧的运动尤其如此。不限制其范围,将参考高尔夫下挥杆对本发明进行说明。高尔夫下挥杆的测量和分析尤其困难,包括在高加速度下高速动作以及除高尔夫球杆外整个身体的参与。
本发明的一个方面涉及一种实现分析高尔夫挥杆的关键方法,包括集中于动力学特性及包含下挥杆的初始能量产生和传递阶段。动力学特性的分析存在多种困难。其中之一与准确地将运动归因于高度复杂的身体肌肉系统中的具体个别肌肉有关。在此处将要说明的实例中,可通过将运动归因于与身体具体关节相关的肌群克服这一潜在困难。这一简化具有促进与球手和教练交流结果的额外优点。本文件中,通常使用术语“球手”而非“高尔夫球手”代表高尔夫球手或进行高尔夫挥杆的任何人。在涉及与关节相关肌群的分析中,应特别注意净关节力矩、净关节力、关节功和关节功率的时间导数的动力学参数分析,以及相对值、时间、方式和发生顺序。这些将被统称为‘净关节参数’或‘NJP’。‘净关节力’指通过关节的力的合力。同样,‘净关节力矩’指作用于关节中心周围的关节的肌群产生的力矩合力。任何关节处的‘净关节功’等于净关节力矩和角位移的乘积,且‘净关节功率’或‘关节功率’等于净关节力矩和关节角速度的乘积。
用于测定动力学参数的系统
通过使用肌肉肌电图学、测力板和仪表化球杆等技术,一些相对较慢和较低加速度的简化人体动作或部分身体运动的动力学参数的测量,已经在现有技术中取得了不同程度的成功。然而,除了高尔夫下挥杆中几个极有限的净关节参数,上述技术不能测量其他参数,且这些技术通常处于有困难且受限制的实验室条件。此外,也尝试了使用动力学原理(包括逆动力学和正动力学)的其他技术,但相对于具有高加速度的全身快速运动完全未取得实际成功,其中要求技术有足够的精确度和便利性,以使其可以用于实际的教练、训练或大型数据库编译。
逆动力学计算通过身体系统关节且产生关节的观察或测量运动必需的净力和力矩。身体系统是包括自由连接的刚性或基本刚性节段组成的链形成的类型。通过连接节段组成的链逐步进行计算。通常,采用力、相关质量和线加速度的牛顿方程得出质量中心的线加速度,采用涉及惯性矩和角加速度的欧拉方程得出质量中心周围的角加速度。
然而,无论使用逆动力学原理或任何其他手段,现有技术并未成功地实际测得全身高尔夫下挥杆中具有足够精确度等级的净关节参数,净关节参数用于有意义的教练、训练和编译大型数据库或收集足够的结果,以有意义地分析一般的高尔夫挥杆。
将逆动力学应用于快速移动的高尔夫下挥杆时,出现许多困难,其中多数不能明显的预知。一种困难在于,一个节段的计算误差可随相连身体节段组成的链带入其他链的计算并倍增。另一种困难涉及相对于腿中和脚上的力的不确定性。又一种困难涉及通过左臂和右臂节段链连接处闭合运动链计算的不确定性。再一种困难起因于身体节段为刚性且运动过程中其相关参数保持有效这一假设。事实上节段并非刚性,所使用的技术必须尽量减少此种简化造成的误差。又一种困难涉及挥杆过程中获得所有节段运动学参数的准确测量值。下挥杆的高速运动使得这些测量十分复杂,其中关节位置并非直接可见,且节段外表面经常隐藏或相对于节段其他部分改变其位置。又一种困难起因于球杆和球之间碰撞的阶跃干扰。再一种困难起因于运动捕捉系统的信号通常有噪声特性,其中当微分及双微分位移信息以获得速度和加速度参数时,误差将倍增。另一种困难起因于需要以满足教练和训练需要的足够快速且具有成本效益的方式以及允许球手以代表真实击球的方式实施运动来获取测量值。同样,以快速且具有成本效益的方式获取测量值的需要随数据库收集或用于挥杆全面分析的充分数据采集而产生。本发明识别并克服了上述所有困难,特别结合了适当及改进的有成本效益的系统和包含测量身体参数、地面反作用力以及计算其他相关外力的技术,本发明还包括适当及改进的用于测量运动学参数和应用逆动力学的系统和技术。
在本实例中,将球手和高尔夫球杆建模为简单通用旋转关节和基本刚性身体节段组成的相连系统。尽管现有技术中已知多种人类节段模型的布置,但用于高尔夫挥杆的精确建模时,仍有许多不足之处。本发明克服了这些不足。
球手身体节段包括左脚、左小腿、左大腿、右脚、右小腿、右大腿、骨盆、中干、中上干、头、左上干、左上臂、左下臂、左手、右上干、右上臂、右下臂和右手。关节包括左踝、左膝、左髋、右踝、右膝、右髋、腰椎、胸腔、颈、左内肩、左外肩、左肘、左腕、右内肩、右外肩、右肘、右腕以及手和球杆间的握把。由于对高尔夫下挥杆中能量产生的作用不大,忽略脚趾和脚趾及脚踝间脚的这些部分之间的潜在关节。同样也忽略头和颈部之间的潜在关节。
尽管脊柱包括个体椎骨间的多个关节,发现少数关节代表运动比较有利。本实例中采用了腰椎、胸部和颈部沿脊柱的三个特定关节的位置。腰部关节的高度由髂嵴高度的外部解剖标志测定,髂嵴高度近似第五腰椎和骶骨L5-S1间隔的高度,其中高度指球手处于站立位置的高度。胸部关节的高度由剑突高度或胸骨底部的外部解剖标志限定,近似于第八胸椎T8的高度。颈部关节由通过上横骨和第七颈椎C7的外部解剖标志的直线高度限定。大量关节可用来增加模型的精确度,选择在分析结果和测量设备中精确度和增加的复杂性之间达到平衡。
在前后侧方向上,腰部和胸部的关节位于椎骨中心点的位置,在前侧方向上向前一小段距离直到约四分之一从背面至躯干正平面的距离。由此识别主要测定躯干旋转运动的脊柱的相对非挠性。由于所有椎骨和大部分躯干均可弯曲,关节可定位于脊柱前方一点,置于脊柱前方同样对其运动有一些影响。包含连接节段的现有技术模型通常未出现腰椎和胸腔关节的后部定位,其中关节通常位于前后侧方向上的躯干中心,由此在高尔夫挥杆等较快速的旋转运动中造成重大惯性矩误差。
在传统生物力学中,相邻节段的分界线总是构造成位于连接这些节段的关节的不同侧。然而,试验表明尽管此构造通常能产生令人满意的结果,但并非总能呈现最佳解决方案。本说明书下述技术中指出了最佳位置的关节,包括称为共用中心的技术和锁定共用中心技术。
‘握把’关节相当于手和球杆杆身近侧之间的关节。已经发现涉及能量产生的下挥杆期间手和球杆杆身之间出现显著运动。握把关节极其复杂,可成功的建模为绕左右手之间的点旋转一次,位于或接近球杆杆身中心轴。对发球杆进行计算时,例如可将旋转点视为距杆身近端下方约12cm的杆身中心轴上的点。本说明书中,术语‘远端’指沿球手身体及附属球杆、朝向球杆头或球手头部的方向;术语‘近端’指沿球手身体、朝向球手左脚或右脚与地面之间接触的反方向。
现有技术模型的节段形状通常与实际运动无关,运动通过可能导致显著误差的关节而发生,身体部分造成错误节段。这特别适用于髋关节和肩关节,其中始终将现有技术肢节建模为临近躯干的中心轴周围的基本对称的形状。如果可能,本实例避免此情况,其中相邻的肢节和躯干节段大致与假想运动平面匹配。
试验表明不能用上干和上臂之间的单一旋转关节对肩部精确建模。因此,将上干分为三个节段,称为中上干、左上干和右上干。左上干由左外肩关节连接至左上臂,由左内肩关节连接至中上干。同样,右上干由右外肩关节连接至右上臂,由右内肩关节连接至中上干。
肩关节组在解剖学上十分复杂,且未表现其构成中明确的节段分割。本发明的一方面设计以下认识:尽管通过关节产生的能量很大,但由于节段间相对运动的惯性效应较小,设置中上干节段与左上干和右上干节段之间的分界线的预期误差对逆动力学计算总体精确度的影响出乎意料的小。
图1显示模型中使用的具有内外肩节段的身体节段和关节的一种实例,其中躯干与上臂和大腿之间的节段分界线与关节的假想运动平面大约成一定角度。节段分界线用虚线表示,关节用小圆圈表示。图中使用的参考数字索引如下。为清楚起见,图中省略了左侧节段和右侧关节的参考数字。
1.头部(节段)
2.中上干(节段)
3.右上干(节段)
4.上臂(节段)
5.中干(节段)
6.下臂(节段)
7.骨盆(节段)
8.右手(节段)
9.右大腿(节段)
10.右小腿(节段)
11.右脚(节段)
12.颈部(关节)
13.左内肩(关节)
14.左外肩(关节)
15.胸腔(关节)
16.左肘(关节)
17.腰椎(关节)
18.左腕(关节)
19.左髋(关节)
20.左膝(关节)
21.左踝(关节)
本实例中,采用下文中说明的逆动力学技术计算净关节参数。测量输入包括与下挥杆过程中球手的身体节段位置和作用于球手左右脚的地面反作用力相关的三维(3D)数据,还包括称为‘身体节段惯性参数’(以下简称为‘身体节段惯性参数')的球手身体节段特性的三维数据。对于各节段,身体节段惯性参数包括关节位置、人体质量、人体质量分布或质量中心和各主要相互正交方向的人体惯性矩。
四个逐个节段的牛顿-欧拉计算始于球手和球杆模型的四个末端,分别是左脚触地点、右脚触地点、球杆远侧区和球手头部远侧区。逐个节段的计算通常终止于腰椎和胸腔关节,理想情况下从各关节的两个方向进行计算,从而获得两种关节由近到远和由远到近的数值。腰椎关节位于骨盆和中干节段之间,胸腔关节位于中上干和中干节段之间。由于相对的精确度和可靠性等级随不同装置变化,腰椎和胸腔关节处逆动力学计算中使用的数值由通过选择由远到近或由近到远的计算中较精确及可靠的值确定。
左踝关节处始于左脚的链中第一个关节处的力和力矩从位于左脚近端的地面反作用力(为了简便起见,以下简称为GRF)以及脚运动的运动学测量检测到的脚的运动产生的重力和惯性力的三维组合获得。通过将相关脚节段加速度和相关脚身体节段惯性参数应用于计算获得惯性力。重力根据质量和质量中心位置计算,且根据质量分布测定。逐个关节的计算在从左踝到左膝再到左髋的远端方向上进行。采用单独测量的右脚地面反作用力从右脚近端进行类似的一系列计算。两组计算汇聚于可通过适当的加法过程计算腰椎关节处力矩和力矢量的骨盆节段。逐个节段的计算在远端方向上继续至腰椎和胸腔关节。
由于远端运动无外部约束,除空气阻力和重力形成的力以外,球杆远端施加的力和力矩的净总量为零。由于相对较高的速度,空气阻力对球杆节段十分重要,应适当考虑。空气阻力对球手身体的大部分节段相对不重要,大多数情况不需考虑。需要高精确度时,有利于修正手和手臂上的空气阻力,特别是下臂。所有节段都应考虑重力的影响。自球杆远端区逐个关节的计算在近端方向上进行,并在握把关节处分两路至左右手。这造成了力和力矩分割的潜在不确定性,力和力矩不能单独通过逆动力学计算来精确分解。
由于之前并未发现正确确定挥杆时左右臂关节中关节功率的方法,因此不能依靠此对象的现有技术信息估计分割,且似乎至今对左右臂所做功的相对比例完全未知。
本发明解决了这一问题。使用可操作用于测量左右手单独握把的杆身两部分之间力的仪表化球杆来测量分割。相关的力包括通过下挥杆的两部分之间分割点处不断变化的合力和力矩。这些力的测量与挥杆无关,或者可与挥杆的一般测量一起测量。
自左手逐个关节的计算在近端方向上延续至左腕、左肘、左外肩和左内肩关节。从右手处进行一组相似的计算。同样在近端方向上进行一组从头节段到颈部的计算。由于头部运动也不受外部约束,除重力和空气阻力外,头部远端区的力和力矩近似为零。左手、右手和头部的三组计算集中在可通过适当的加法过程计算胸腔关节处力矩和力矢量的中上干节段。
计算从胸腔关节延续至腰椎关节。由此,从两个方向获得腰椎和胸腔关节的计算值。在通过运动捕捉和测力板系统获得高质量数据的理想情况下,使用由近到远的数值计算腰椎关节处的净关节参数,使用由远到近的数值计算胸椎关节处的净关节参数,以及各关节的第二个数值用作监测检查。其原因是尽量减小计算中中干节段的影响。由于大节段的密度和质量中心最难精确估计,估计节段参数时中干显示的困难最大。肺腔的存在使密度估计变得复杂。呼吸和相对大量挠性软组织的存在导致的相对高流动性使质量中心估计变得复杂。节段通常随球手向前运动或弯曲改变形状。通常来说,胸腔关节远端的所有关节采用由远到近的数值计算净关节参数,腰椎关节近端的所有关节采用由近到远的数值计算净关节参数。
然而,如果发现特定系统具有质量明显更好的由近到远或由远到近的数据直到链上的点,不同于上述数值,通常宜采用质量更好的数据。如果所有节段处由远到近的数据质量更好,则所有节段均可采用由远到近的数据,且地面反作用力仅用于确定骨盆和大腿节段之间力的分割。本实例中,胸腔关节采用由远到近计算的数值,腰椎关节采用由近到远计算的数值时获得最佳结果。
图2显示描述上述逆动力学计算实例中逆动力学计算途径的图,其中腰椎或胸腔关节处终止计算。图中缩写‘IDCPDF’和‘IDCPPF’分别表示‘从远端进行逆动力学计算’和‘从近端进行逆动力学计算’。
用于测定动力学参数的装置
应描述测定净关节参数的装置实例,其中装置适用于个人训练及编译用于训练或分析的大型数据库,且费用和便利性尤为重要。如需要,本装置也适用于不同部位的迅速转移和设置。本装置还可用于确定和分析高尔夫挥杆的其他方面,包括本说明书未详细讨论的运动学方面。除直接用于训练和练习外,运动学参数还可用来计算节段动能参数,其中节段动能参数用于计算产生的能量转移。
装置包括用于跟踪和测量球手关节位置和下挥杆过程中的地面反作用力以及用于测量球手身体节段惯性参数的装置。数据经处理装置处理,并通过通信装置形成与用户通信的多种格式。用户可能是教练、球手或操作员,或可能包括其他装置或系统。
高度精确地捕捉复杂或高速的运动学运动的常用方法是使用采用了数个高速照相机的光学运动捕捉系统,高速照相机可捕捉对象上控制放置的无源标志的运动。然而,由于经常需要能够明确地区分和观察各测量点的至少三个光学无源标志,这些系统在测量运动表面紧密放置的点的三维位置时可能不可靠、不精确。球手运动期间经常遮蔽标记,且高尔夫下挥杆期间精确跟踪球手脊柱上紧密间隔的点的运动时可能遇到特殊困难。高速光学系统通常也需要长时间的设置以及大型室内实验室空间。也通常不能进行实时操作,这使得除失去训练期间有效反馈的优点外,还将阻碍故障结果的即时检测。相反地,当球手和设置仍有效时,将可便利地进行重新测试。
磁性运动捕捉系统(有时称为电磁运动捕捉系统)克服了标记隐蔽的问题,且可用于多种格式,包括有线和无线型以及交流和脉冲直流型。磁性运动捕捉系统通常比光学系统产生的噪声输出信号少。其在人体运动的现有技术研究中不受欢迎有多种原因。其中的一种原因是需要附于球手的有源传感器。另一种原因是传感器连接十分困难、耗时且易出现误差。又一原因是传感器对于某些导电材料(包括其他测量装置的材料)造成的信号失真十分敏感。关于高尔夫挥杆测量,又一种原因是在球杆头上或接近球杆头安装有源传感器是不现实的,使得确定起杆和击球瞬间时防止直接检测球杆头位置。本实例的系统和装置成功克服了上述所有困难。试验表明有线交流型最适用于下挥杆的精确测量,无线和脉冲直流型具有不适当的取样速度或不适当的分辨率和精确度等级。
Polhemus LibertyTM系统提供了适用的有线交流磁性运动捕捉系统的实例。本实例中,球手身体和球杆上的控制关键点装配有源传感器,由此通过变送器形成的参考磁场(有时称为电磁场)内的挥杆跟踪所有节段的位置和方位。各传感器在下挥杆过程中跟踪六个自由度,包括参考磁场三个互相正交轴的每一个周围的位置和角度方位。运动跟踪器系统提供实时运动数据,通常更新速率为240Hz,静态精确位置约为0.03英寸,静态精确方位约为0.15°均方根。
以下十二个传感器的布置可与十八个节段球手身体模型一起成功使用,包括左脚、左小腿、左大腿、右脚、右小腿、右大腿、骨盆、中干、中上干、头、左上干、左上臂、左下臂、左手、右上干、右上臂、右下臂和右手。传感器附于左小腿上后部、左大腿后部、右小腿上后部、右大腿后部、骨盆一侧、近椎骨位置T12的中干后部、近椎骨位置T8的中上干后部、左上臂后部、右上臂后部、左手背面、右手背面和球手头侧。另外一个传感器附于球杆手柄下方球杆杆身的前上部。
通过手传感器跟踪腕关节和上臂传感器跟踪肘关节跟踪各下臂。根据跟随腕和肘关节位置和方位的标准下臂运动的知识,通过适当的软件算法估计下臂节段的整体运动。此算法考虑下臂特性,由此肘部附近并不发生绕其长轴的简单旋转,但形式更复杂的旋转明显发生在沿下臂的区域周围。由于适当类型的传感器目前可用,拆除下臂传感器的优点是减少费用、降低复杂程度及减少球手受相对快速运动节段上其他传感器和线路妨碍。如果将来某个时间适当的更简便或无线传感器可用,则在各下臂上放置传感器将有利于增加跟踪精确度。
在生物力学实验室型环境中将传感器连接至人体对象的通常现有技术方法是安排对象穿着最少的衣服,并粘附捆扎所有传感器,直接接触皮肤(头部传感器除外)。通常认为这对精确识别解剖标记的位置十分重要,并确保测试期间传感器保持在原位。然而,此方法不适用于不习惯生物力学试验方法的个体,如正在进行测试或训练的高尔夫球手。此方法使球手感到不适且耗费时间,且装置设施和试验操作员的时间都很昂贵。本发明公开了一种克服这些困难的系统,包括有专用可调紧弹性带、背带或夹克的传感器附件。本说明书下文中给出了具体细节。试验表明此系统与现有技术方法的精确度水平相当。
如上文所述,磁性运动捕捉系统具有易受局部环境中磁性材料问题干扰影响的相对劣势。对于交流系统而言,这些材料特别指适量的高导电性金属,包括铜、铝、黄铜和某些类型的钢和铁或指大量或紧密相邻量的所有金属。由于高尔夫球杆和测量装置(如测力板)通常包含此类有问题的金属,因此造成了测量高尔夫下挥杆的困难可能性。梁或地板和天花板的内部钢筋中也可能含有问题的金属。本发明通过多种装置克服了此类金属造成的困难。
相邻钢梁或天花板或地板中的内部钢筋等固定有问题的金属造成的潜在困难用两种主要途径解决。首先,选择含最少有问题金属的试验区域。其次,采用可从运动捕捉系统供应商处获得的补偿映射软件纠正轻度至中度失真。映射方法通常包括系统地移动固定装置通过三维空间进行映射,由此通过整个三维空间测量位置和方位失真水平。固定装置可包含一个垂直的非导电极,带有沿非导电极均匀间隔放置的传感器。将数据登入映射软件,以推断运动跟踪系统使用的纠正算法。
映射方法可能不适用于移动接近大量有问题金属或有问题金属区域的传感器。球手站在有金属平台的测力板上时,位于脚上的传感器可能出现此类问题。此问题可通过不同方法解决。本实例采用的解决方案是省略脚上的传感器,通过放置于小腿节段上部区域的传感器跟踪脚踝的位置和方位。这些传感器置于足够的高度,以避免测力板造成的显著失真。通过此方案,假设脚保持与测力板表面接触,根据脚踝、球手和各测力板上脚的压力中心的位置,结合对下挥杆过程中通常脚的位置的了解,通过适当的软件算法估计其位置。由于运动相对较小,且下挥杆时脚的速度相对较慢,此估计的误差较小。此外,需要精确跟踪后挥杆和随球动作中球手的运动学运动时,可能需要替代布置,其中脚以仅从脚踝运动更难预测的方式频繁地抬升和转动。可采用不同方式完成。例如,球手可站在放置于测力板上的刚性非金属平台上,使传感器与测力板保持距离。使用此方法,可将地面反作用力成功传输至测力板。另一实例中,传感器安装在附于球手两只鞋的非金属刚性支架上,靠近踝端,且保持传感器足够高于测力板水平面。又一实例种,采用带有非导电组件的测力板。此种测力板适用但相对较贵。
还需要寻找未固定在三维空间中有问题的金属的解决方案。特别是,困难可能起因于附于金属球杆杆身的传感器的信号失真。本实例使用金属杆身克服此困难,使用非金属臂将传感器夹于杆身上,置于距离杆身很短距离的位置。另外,球杆可采用非金属杆身,但可能会妨碍球手使用自己的球杆或其熟悉特性的球杆。
图3示出测量高尔夫挥杆中运动学和地面反作用力参数装置实例的平面示意图。图中使用的参考数字索引如下。缩写‘MMCS’指磁性运动捕捉系统。
1.球座中或起始位置的球。向箭头方向击球。
2.人工球场
3.左脚测力板
4.右脚测力板
5.球手,用双脚轮廓表示。
6.测力板处理和接口装置
7.磁性运动捕捉系统传感器,固定于球手节段和球杆杆身。
8.传感器与磁性运动捕捉系统处理和接口装置之间接线的脐带装连接。
9.磁性运动捕捉系统触针。
10.磁性运动捕捉系统磁场变送器。
11.磁性运动捕捉系统处理和接口装置。
12.装置处理器。
13.操作员界面。
参考图3,球手站在测力板上向箭头所示方向击球。尽管图中未示出,磁性运动捕捉系统传感器按其他地方说明固定于球手节段和球杆杆身。测力板和磁性运动捕捉系统记录地面反作用力和运动学参数,地面反作用力和运动学参数由其各自的处理和接口装置处理并传递至装置处理器。试验操作员通过操作员界面控制和监测系统。磁性运动捕捉系统磁场变送器位于较高的位置,靠近传感器但在球手和球杆的运动范围外。尽管图示位于球手一侧,但事实上位于球手背后尽可能靠近传感器。使用磁性运动捕捉系统触针传感器测量与磁性运动捕捉系统坐标系内球手身体节段惯性参数相关的参数。若使用金属测力板,测量这些参数时球手通常移动距测力板一段距离。
使用计算挥杆过程中握把关节处相关力或力的分割的仪表化球杆确定手臂闭环中力的分割。仪表化球杆可全面测量握把关节处的三维力,或可简化用于测量力的较小相关选择,例如握把关节处的简单弯矩。若测量全面三维力,由于其代表作用于握把关节的完整远端力,可直接用于逆动力学计算。若单独测量简单弯矩,可通过提供附加输入解决手臂闭环中力的不确定性使用简单弯矩估计握把关节处力的分割。若同时测量握把关节处的弯矩和扭力,可获得矫正估计。
尽管仪表化球杆可用于所有挥杆,但由于仪表化球杆受附加接线妨碍且不如标准球杆实用,本实例中未采用。此外,仪表化球杆将进一步增加常规测试期间数据收集的复杂性。本实例中,球手使用与逆动力学计算使用的球杆类型相似的仪表化球杆分别进行一次或多次挥杆。测量并记录挥杆过程中的力曲线。随后,将这些曲线应用于该球手使用此类球杆的所有挥杆,直到重新测量并更新曲线。
对照挥杆角位置标记曲线,以使其正确与试验挥杆同步。例如,可通过使用仪表化球杆旁边的运动捕捉系统进行标记。另外,可通过将曲线与用运动捕捉系统标记的类似样本曲线匹配并比较进行标记。标记可采用适当的编程处理器自动进行。
本方法的变化包括测量有代表性数量球手的握把力分割及将平均结果应用于受试球手。运用预受试球手的样本结果时,可考虑球手特性,如技巧和形态水平。
在一个具体实例中,通过将应变计附于球杆杆身外表面或内表面,在握把关节轴向水平处围绕杆身直径构造仪表化球杆。按传统平衡电桥排列布置设置应变计,并使应变计的位置适合测量的特殊力,使应变计测量弯矩与杆身长轴对齐,杆身和应变计测量扭力与杆身长轴成45°处对齐。应变计按惯例校准,握把区重新覆盖标准握把材料,使得应变计和接线不易使球手察觉。应变计通过沿球手目标侧手臂的球杆近端路由出的接线连接至系统处理器,右手击球的球手的目标侧手臂通常为左臂。第二个实例中,通过在握把点及左手和右手握把部分之间区分标准球杆,且用包含附有应变计的平面区的伸长金属部件重新连接两部分仪表化来构造球杆。
仪表化球杆可包括仪表化杆身握把部分,可固定于各种各样的球杆,可能通过杆身握把部分和杆身及球杆头剩余部分之间的螺旋关节连接。
图4示出描述使用上述技术应用预试验的握把力曲线解决逆动力学计算中左右臂闭环中的不确定性时的一些步骤示意图。缩写‘ID’指‘逆动力学’。
整个说明书和权利要求中,参考处理器的活动时,通常应理解为处理器使用软件的装置活动。尽管除所属领域技术人员不能实施所需的算法之外,通常不会特别阐述和解释,但通常还应理解为需要时,软件中使用适当和相关的算法。此外,若参考处理器或系统处理器,由于处理器通常远距离通讯,一般应理解为参考一个或多个、位于装置内部或远离装置的处理器。若参考处理器或系统可用的数据,可指可从处理器内存储装置或从远程位置获取的存储装置获得数据。还可指未存于存储器中但可从其他方法获得的数据,包括需要时通过处理器计算的数据。此外,还指从定期更改或更新的数据库中获得的数据。
与球手模型相比,由于其相对的机械简单性和有竞争性的商业重要性,高尔夫球杆一直是现有技术开发活动的主体。现有技术中已知几种球杆模型。以下方法和模型在用于球手模型和本实例中使用的逆动力学计算中令人满意。使用能充分代表大多数球手使用的球杆的有限种类的球杆类型对球手进行试验。确定各球杆类型的相关物理及惯性特性,使用有限元方法,应用提供描述挥杆条件下其三维弯曲特性的相关微分方程的专有软件包对各球杆类型进行有限元分析。使用高速照相机和球杆上的无源标志对各组结果进行一次性确认试验,若需要与试验结果匹配,调整计算结果。合成方程易于通过相关球杆类型的系统处理器应用,其中通过系统运动捕捉传感器测量的各挥杆运动提供输入方程的主要基础。如上所述,此传感器位于杆身的握把端。
图5示出描述使用上述技术确定挥杆期间,测量的握把端运动中球杆杆身的偏斜以及同类型球杆的预确定有限元分析方程时的一些步骤示意图。
包括挥杆过程中球手左右脚的地面反作用力数据的输入通过使用两个并排测力板获得。测力板为已知的正方形或矩形类型,应变计或压电式换能器位于直立平台的各角下方。测力板可用于测量三个互相正交轴上的地面反作用力,包括垂直方向。由于不能解释发生在挥杆中的力的显著水平分力,且将造成测力板和运动捕捉系统中由近到远和由远到近逆动力学计算的显著不匹配,若需要高精确度的测量,仅测量垂直力的较简单单轴测力板不适用。球手进行高尔夫挥杆时呈自然状态站立,每只脚踏一个测力板。测力板传感器的信号输入处理器,在处理器中信号转换成所需的说明球手脚上力的输入信号,包括计算的位于合力点位置压力的中心。测力板上的建模信号以取样速率转换为数字格式,取样速率与运动学取样同步但比运动学速率倍增。例如,运动学取样速率为240Hz时,测力板信号的取样速率可为960Hz。
身体节段惯性参数测量
逆动力学计算需要球手的身体节段惯性参数测量值,传统地认为测量值是固定值。重要的是未位于相连链端部的任何节段的误差将导致误差沿逆动力学计算链的关节之间传播,并对结果产生倍增影响时,需高精确度和一致性地测定这些值。如果系统用于个人训练或如果正在编译大型球手数据库,通过对球手尽量减少不便来测量身体节段惯性参数也同样重要。
在严格的现有技术生物力学研究中,通常通过困难又费时的方法测量身体节段惯性参数,包括昂贵的非接触式扫描方法、不方便的浸没法或费力的一次性物理测量和计算。在较不严格的现有技术生物力学研究中,为了克服这些时间、费用和不便的难点,经常从一般人群的一部分得出的预定平均值得出身体节段惯性参数,并根据人体测量指标(如,性别、年龄、体重和总身高)进行选择。根据这些人群样品获得的平均值采用回归方程式估计个体的节段参数。然而,试验表明,尤其是由于人群中的选定部分通常不会准确代表对象以及回归方程式不会说明个人身体形态学差异,这可提供较不准确可靠的计算依据。实践中,大多数这类数据看起来始终从简单测量的尸体或现有年轻男性和女性运动员获得,没有代表通常发生于高尔夫球手的更广范围体型的群体。
本发明的一方面涉及一种了解,即身体节段惯性参数误差对不同类型运动的逆动力学计算影响完全不同。特别是,鉴于身体节段惯性参数误差按比例开始和传播低且通常可容许的较慢而简单的运动类型(其中已在一定程度上成功进行若干次逆动力学计算)的计算力和力矩误差,而这些误差按比例开始传播有高加速度的较高和更为严重的快速运动(如,高尔夫挥杆)误差,并在其计算中需要完全不同的关注水平,尤其是较快速运动的更远节段。
最快运动和最高加速度的节段(即,高尔夫挥杆中的球杆)中的身体节段惯性参数测量需要最高精确度。这是偶然的,因为球杆特别适于非常准确的测量,作为无生命物体,其特征的变化相对受限。通过对有限数量的仔细预测量过的代表球杆进行测试,优点可计入这种特性。
两种替代实例中克服了采用现有技术方法出现的问题,一个实例基于触摸,另一种则基于三维照相机系统的使用。现将说明第一个实例。
在触摸实例中,根据节段分界线的特定人体测量标志限定的节段的简化几何表示计算身体节段的形状和体积。特别关注建模中干和上干节段,包括最大密度范围并为最低刚性的身体节段(手除外)。密度估计值用于各几何体,几何体包括密度低于其他无腔体的体腔。18个节段的球手身体模型(不含球杆)细分为28个几何‘体’,其由也用于限定关节中心的89个实测人体测量标志限定。这些几何体包括截顶椭圆锥体、半椭圆体和将称为‘干体’的几何体。其主轴垂直时,干体在中心垂直从前端到后端的平面周围对称,水平横截面包括各端带半圆的矩形,整个干体由顶部和底部的平面限定到前端和后端。上臂、下臂、大腿和小腿节段分别分为两个截顶椭圆锥体。每只脚包括一个截顶椭圆锥体。每一只手包括一个干体。头部包括一个在截顶椭圆锥体以上的半椭圆体。中上干、左上干和右上干形成应称为‘上干’的一组。上干、中干和骨盆分别包括三个、一个和两个干体。
大多数干体由八个标志限定,其中每端各四个标志用于限定宽度和深度。相邻的干体共用标志(如可行)。如果中间体的两个干体,包括上干、中干和骨盆,接触共有表面,干体共有表面的分界线均相同。如果手臂或腿范围内的相同几何类型的两个干体在共有表面相遇,关节中心之间的干体长轴在同一直线上时干体共有平面的界限均相同。通过几何参考两个或多个测定的标志计算关节中心,这些标志对包括关节中心的其中一个相邻节段有一定的固定参考。在最简单的方法中,关节中心估计为已知位于关节高度的关节处侧点和中间点之间构建的线的中点。已发现对踝、膝、肘和腕关节中心有高等级精确度。相似的简化方法可用于其他关节,但采用适当距离和偏移量,而非沿线的简单中点,往往采用位于关节高度或接近关节高度的外侧、内侧、前侧和后侧标志。或者,可通过回归方程式获得关节中心的估计值,其中由人群代表性样品的成像技术预先测定回归系数。
如上所述,截顶椭圆锥体包括椭圆平截头体。但是,可使大腿和上臂节段的截顶椭圆锥体的表面成一定角度获得更好的解决方案,这样髋关节和外肩关节位于有角表面以及表面坡度接近关节的假想运动表面。对骨盆和中干的相邻节段进行相应改变,从而与大腿和上臂节段的角度匹配。虽然表面的这种角度调整减少了惯性矩计算的简单性,但其显著增加了精确度,此精确度使体重分配到这些关节周围部位的正确节段。
中干节段表明更特殊的难点,其中球手在挥杆时从直立位置变化到前倾位置时其质量中心明显变化,极朝前位置通常出现在击球时间前后。质量中心变化部分是球手弯曲脊柱前倾防止或抑制躯干质量由于受脊柱抑制扩大到后方时相对灵活的中干节段的压缩所致。质量中心变化也由球手前倾时的重力影响和挥杆时球手旋转的离心力所致。
通过采用球手在典型前倾位置(如球手使用发球杆的正常击球准备位置)时的另一组身体节段惯性参数测量值,在本实例中体现质量中心的这种变化。根据这些测量值计算另一个质量中心位置,系统处理器通过写入软件的路线自动改变两个质量中心值之间的中干质量中心位置,随挥杆角度改变。在替代的更简单但较部精确的布置中,使用单个适当的前倾位置或直立和前倾位置之间的适当折中位置的质量中心,通过挥杆其也适用于所有位置。
对于各节段,通过假设穿过各干体的统一密度和将适当的比重估计值(如下)代入这些干体中每个干体的体积计算质量、质量中心位置和主要惯性矩。值1190kg/m3和1050kg/m3适用于小腿和大腿干体。值1130kg/m3和1070kg/m3适用于下臂和上臂干体。值1160kg/m3适用于手部。值1110kg/m3适用于头部和腿部干体。值1010kg/m3适用于中干和骨盆干体。值1040kg/m3和1010kg/m3分别适用于上干的顶部和底部干体。值920kg/m3适用于上干的两个中间干体。
各种现有技术方法用于标志的物理测量,包括通过节段的人体测量卡尺的应用。然而,这些方法耗时且易产生误差,因为其在正确空间关系中必须应用于其他节段测量,并在某种程度上必须在整个向下挥杆动作中精确跟踪。在本实例中,参考与节段或关节关系固定的运动跟踪系统的传感器中一个,通过用三维触针数字转化器测量人体测量的标志以及在磁性运动捕捉系统参考场内操作克服这些潜在困难。
通过相对于相关传感器的局部坐标系的运动捕捉系统直接记录触针的输出。附设人体传感器的球手站在磁场内适当的位置,而操作员则通过将触针尖端移动到标志点测量球手。在本系统中,对于球手特别前倾的位置以外的测量,此测量位置是球手头部竖直并向前看,手臂下垂,稍稍远离两侧,一只手握拳,大拇指朝前,两脚平行且分开。触针在磁场内的运转与传感器相似,处理器使触针点在计算各种身体节段惯性参数的软件范围内紧靠模板。虽然,在理想情况下,球手应在触摸期间保持放松和安静以协助过程,但如果在测量时他或她移动,不会不当影响结果,这是由于传感器跟踪整个模型的相对位置。
以几种方式促进过程。系统包括系统处理器控制的音响通信装置,其通过操作员熟悉的名字显示标志,一次一个,单步调试待测量的所有标志。在每一步中,操作员定位紧靠标志的触针尖端并在触针上按下按钮。这使得系统记录位置以及触发系统有声标记下一个标志。训练操作员通过观察过程和感受手指和手部(常常称作‘触摸’)精确标识标记点。试验表明应特别关注通过用触针按下标志点不得使软组织的测量失真。这些不同程序促进快速测量并减少误差可能性。通过安装系统进一步减少测量时间,以假设球手身体有一定对称度,这样身体一侧脚、小腿、大腿、上臂、下臂和手节段的中心部分的几何测量可自动适用于另一侧。然而,测量了两侧限定关节的单独标志,尤其确保相关传感器精确跟踪相应节段的位置和方向。
以下是用在本发明实施例中测量男球手的现有90个解剖标志列表,参考数字如其位置的解剖学描述前的括号内所示。稍作修改的版本用于更精确测量女球手,其包括测定乳房尺寸的其他解剖标志。(1)右脚外侧脚趾;(2)右脚中趾;(3)右脚内侧脚趾;(4)右腿外侧踝;(5)右腿后侧腓骨;(6)右腿内侧踝;(7)右腿前侧距骨;(8)右腿外侧最大腿肚;(9)右腿后侧最大腿肚;(10)右腿内侧最大腿肚;(11)右腿前侧最大腿肚;(12)右腿外侧股骨上髁;(13)右腿中间腘横纹;(14)右腿内侧股骨上髁;(15)右腿髌骨中心;(16)右腿外侧大腿中部;(17)右腿后侧大腿中部;(18)右腿内侧大腿中部;(19)右腿前侧大腿中部;(20)右腿大转子;(21)右腿后侧腹股沟中部;(22)右腿前侧腹股沟中部;(23)左脚中间脚趾;(24)左腿外侧踝;(25)左腿左内踝;(26)左腿外侧股骨上髁;(27)左腿内侧股骨上髁;(28)左腿大转子;(29)肚脐;(30)右侧髂嵴;(31)T12;(32)左侧髂嵴;(33)RASIS(右侧髂前上棘);(34)右右侧髂前上棘;(35)右侧PSIS(髂后上棘);(36)左侧髂后上棘;(37)左LASIS(左侧髂前上棘);(38)左侧髂前上棘;(39)ASIS(髂前上棘)中点;(40)上横骨;(41)右肩峰突;(42)T3;(43)左肩峰突;(44)右侧后肩;(45)右侧腋窝;(46)右侧前肩;(47)中间胸骨;(48)T4;(49)右侧最大胸;(50)右侧最大胸外侧;(51)T6;(52)左侧最大胸外侧;(53)左侧最大胸;(54)左侧腋窝;(55)剑突;(56)右侧底肋;(57)T8;(58)左侧底肋;(59)右臂三角肌止点;(60)右臂中间三头肌;(61)右臂中间三头-二头肌;(62)右臂中间二头肌;(63)右臂外侧肱骨上髁;(64)右臂鹰嘴;(65)右臂内侧肱骨上髁;(66)右臂二头肌止点;(67)右臂外侧最大前臂;(68)右臂后侧最大前臂;(69)右臂内侧最大前臂;(70)右臂前侧最大前臂;(71)右臂桡骨茎突;(72)右臂中间伸肌腱;(73)右臂尺骨茎突;(74)右臂中间屈肌腱;(75)右手第二掌指关节;(76)右手后侧第三指骨;(77)右手第五指关节;(78)右手前侧第三指骨;(79)左臂外侧肱骨上髁;(80)左臂内侧肱骨上髁;(81)左臂桡骨茎突;(82)左臂尺骨茎突;(83)左手第二掌指关节;(84)左手第五指关节;(85)头顶;(86)鼻梁;(87)右颞下颌;(88)枕骨粗隆;(89)左颞下颌。
以下表示标志的节段位置,标志位于两个节段经常共用的相邻节段之间的关节或分界线。参考数字指的是上节括号内所示的数字。右脚1、2、3;右踝4、5、6、7;右小腿8、9、10、11;右膝12、13、14、15;右大腿16、17、18、19、20、21、22;左脚23;左踝24、25;左小腿无;左膝26、27;左大腿28;骨盆29、30、31、32、33、34、35、36、37、38、39;中干无;上干组40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58;右上臂59、60、61、62;右肘63、64、65、66;右下臂67、68、69、70;右腕71、72、73、74;右手75、76、77、78;左上臂无;左肘79、80;左下臂无;左腕81、82;左手83、84;头85、86、87、88、89。
中上干和手臂传感器附于专用的可调紧身夹克,带有缝入传感器口袋和弹性VelcroTM带以便在紧靠球手身体维持和定位传感器。夹克由网状材料制成,可使空气循环并增加球手舒适度。手部传感器附于手套,也带有缝入口袋和弹性Velcro保持带。腿部传感器附于弹性Velcro带上的口袋,通常安装在球手穿着的轻质裤子外部。头部传感器附于紧紧跟随头部运动的轻质帽子。传感器的线路被定向到支撑其重量的夹克后部。从这点看来,线路聚集在一起并巧妙地拉入中心数据采集装置的不显眼的悬挂暂停脐带型装置中。
试验表明这种计算身体节段惯性参数的方法能提供非常满意的精确度等级。这种方法也较快、可靠和方便,单个操作员通常在大约十二至十五分钟内完成人平均体型的所有测量。由于其在用于关节和球杆的运动捕捉时使用了相同装置,系统又方便又节省成本。
图6显示描述用触针测量身体节段惯性参数的触摸实例中包含的一些步骤的图,如上所述。缩写MMCS和MOI分别表示‘磁性运动捕捉系统’和‘惯性矩’。
如果由两个相邻节段的每个节段上的不同传感器跟踪关节,当各种限定的关节运动时发生时,可通过编程系统测定关节中心的位置,从而搜索相对于共用关节的两个节段最接近静止的点。关节中心的最佳位置将对应该点。为了方便起见,寻找关节中心的这种技术将称为‘共用中心’技术。可选择限定运动说明与高尔夫挥杆最相关的特定关节的可能自由度。通过在高尔夫挥杆范围内使幅度不会因相对于关节的皮肤位移造成传感器明显或不当移动的限定运动设置为与舒适进行的运动同样大来增加测定自由度的精确度。也可通过仔细选择传感器位置提高精确度。例如,可将传感器放置在不易受潜在肌肉活动干扰的节段表面部位。另外也可通过定位传感器(例如)来增加与关节的径向距离来提高精确度,从而按比例减少传感器移动影响。可单独使用或结合前述的几何触摸技术使用该技术,以找到关节中心。
如果为髋关节,相关传感器为骨盆和大腿传感器。此关节尤其适于通过两个传感器进行测定,从而接近以三个自由度运动的真正球形关节。限定的运动可能包括髋的旋转摇摆。如果为膝关节,相关传感器为大腿和小腿传感器。由于此关节不太精确地表示为真实球形关节,该方法可结合几何触摸技术使用。然而,该方法将提供平面内关节中心的最佳估计值,在此平面出现其主要弯曲和过度屈曲运动。
也可使用共用中心技术的变化,其中在其相邻节段中的一个(这将称为第一节段)上的传感器跟踪关节。在这种情况下,球手自觉地锁定(物理上可能的范围内)不具有传感器的相邻节段和沿链的下一个节段之间的关节,这样,在此下一个节段上的传感器跟踪锁定在一起的两个节段的位置,使这对锁定节段和第一节段之间的关节能够采用共用中心技术。通常,球手进行所述关节的特殊限定运动,便于球手保持邻近相邻关节的节段锁定成互成固定关系。这种变化反映了本发明的另一方面,并应在说明其他部分称作‘锁定共用中心’技术。给出了锁定共用中心技术的具体实例,其中通过锁定腕关节发现肘关节位置,通过锁定内肩关节发现外肩关节位置,通过锁定外肩关节发现内肩关节位置。
锁定共用中心技术也可有利地用于通过锁定相连身体节段模型中未显示的关节测定关节中心。例如,在本实施例中,模型包括头部和中上干之间的单个颈关节,虽然现实中颈部能够在沿模型颈关节上方脊柱的点处弯曲。如果锁定共用中心技术用于测定颈关节位置,球手进行限定运动时锁定头部和关节以上的部分解剖颈部。
应注意共用中心和锁定共用中心技术可以多数不同方式用于本发明。例如,可用于一次性测定通常相对于球解剖标志的关节中心,然后通过确立特定球手的相关标志测定关节中心。或者,可直接用于测定个体球手的特定关节中心。
使用表面测量和深度照相机测量身体节段惯性参数
尽管上述类型的触针触摸和几何建模描述通常更便捷并比测定身体节段惯性参数的现有技术方法精确度更高,本发明的另一方面涉及一种洞察力,可实际使用扫描或测量球手体表的系统达到更高的精确度。
为了达到此目的而采用的方法的第一实例涉及使用磁性运动捕捉系统中的其中一个传感器,例如触针传感器,以展开系统软件范围内的节段表面并随后计算节段体积和这些表面的体积分布。由操作员通过在节段表面的有限数量相关代表部分上快速运用触针以及始终按下其操作按钮展开表面,从而测量和记录一系列表面点。已记录足够点时可由处理器自动结束该过程,以精确估计节段总表面。操作员避开传感器和其他笨重衣服遮蔽的表面部分。如前所述,仍需操作员测量关节位置相关的解剖标志。
也可实际通过三维或深度照相机系统测量球手体表,该系统具有需要较低的操作员技能和避免装置直接接触球手的额外优点。试验表明三维照相机系统可将由测定节段形状和体积分布不精确度引起的测定节段惯性力矩的典型误差减少到如前所述通过触针触摸和几何建模进行测量时出现的典型误差的大约一半或三分之一。
三维照相机系统采用各种已知方法获得三维深度信息,包括结构光、飞行时间和立体成像。这些方法测定三维深度的能力也使其熟练用于从背景分离对象。三维照相机可能包括能进行图像处理、提取人体对象的相连节段模型跟踪相连节段模型运动的内置软件。下文称为‘增强型三维照相机’的此类内置软件的系统广泛用于计算机游戏,较为紧凑且价格相对便宜。人体对象的标准相连节段模型通常包括大约二十个关节。在下述实例中,术语增强型三维照相机也应理解为指由任何提取或跟踪相连模型的软件(包括在处理器上运行且不是三维照相机系统固有部分的软件)运行的三维照相机的组合。
采用实用扫描装置(如三维照相机)测量身体节段惯性参数与前述触针触摸方法相比具有多个潜在相对优点。这些优点中最重要是更精确和一致的潜能。其他优点包括采取更少时间从而使用户更便利和减少测试费用的潜能,以及由较低技能的操作员操作的潜能。另一个优点涉及避免球手和操作员之间身体接触的潜能。使用三维照相机等装置测量身体节段惯性参数也具有潜在缺点。这些缺点包括附加装置的费用和复杂性、开发和集成三维照相机系统涉及的费用和时间,以及需要在部分过程中穿着最少衣服的球手的不便和不愉快。
在测量球手体表的实用系统第二实例中,三维照相机(3DC)用于测量节段形状有关的参数,磁性运动捕捉系统(MMCS)和触摸技术用于测量关节中心有关的参数,这两个系统可在不同时间或处于不同位置的平台上使用。在本实例的变化中,三维照相机是一种增强型三维照相机。也可采用其他类型的运动捕捉系统和关节测定程序。
在测量节段形状有关参数的平台中,球手站在三维照相机的视场内,穿着最少衣服并摆出相关姿势或动作。三维照相机或三维照相机和系统处理器的组合测量球手节段表面的可视部分。
在测量关节中心有关参数的平台中,球手站在配备多个节段传感器的磁性运动捕捉系统的视场内。通常如前所述,操作员通过传感器触针触摸球手,系统测定关节中心。系统处理器以逆动力学计算相关的形式从关节中心位置构建球手模型基础,此模型包括节段参考坐标系。整个说明书中对处理器进行的操作的参考包括在处理器上运行的传统编制软件所进行的操作。
处理器获得节段形状相关的信息并使构建的形状适于球手局部模型。可采用不同方式进行。例如,相对于位于节段的相连链的位置,可从构建的节段形状确定节段端,假定构建的节段形状的关节中心位于节段端。这使得构建的节段形状与局部模型关节中心相符。此外,节段形状与局部模型内构建的潜在节段形状范围或模板相符。在又一可替代实例中,可使用增强型三维照相机的关节确定能力确定节段形状的关节中心,包括能够进行图像处理、提取人体对象的相连节段模型并跟踪所述相连节段模型运动的内置软件。然后,节段形状的关节中心与局部模型的关节中心相符。在另一可替代实例中,如其他部分所述,可使用共用中心或锁定共用中心技术确定可确定节段形状的关节中心,并与局部模型的关节中心相符。在共用中心技术中,关节运动时,位置确定为相对于两个相邻节段最趋近于静止的点。在锁定共用中心技术中,如果位置为相邻的第一节段和两个节段的相邻组合所共有,球手自觉地锁定两个节段组合之间的关节时,位置确定为相对于第一节段和两个节段的组合最趋近于静止的点。
各节段形状适于有关节段坐标系或局部模型的关节中心组时,处理器可将相关密度应用到节段上并计算球手的身体节段惯性参数(包括相关惯性矩)。这些密度值可能与前述说明中的密度值相同或相似。
如果通过光深度测定确定节段形状,将节段组成一定组合通常更方便。由于与具有任意性且测量或确定相对较难的组成节段之间的假想边界线相比,通过光深度测定测量和确定复杂的形状相对简单,特别是躯干的某些任意节段,包括骨盆、中干、中上干和左右上干节段可经测量并确定为单组合节段。组合干节段可在直立对称位置和前倾或击球位置进行独立测量和测定。已知局部模型的外肩和髋关节时,组合干节段可相对容易地适于局部模型。
虽然这些计算的身体节段惯性参数可用于其他挥杆试验,通常仍需要在用磁性运动捕捉系统进行每次挥杆试验时重复确定关节中心,除非发现装置可确保相同特性的传感器位于球手身体的相同位置。只要球手未明显改变整个身体质量和通过节段的质量分布,挥杆试验中可重复使用身体节段惯性参数详情。如果球手通过传统体重秤改变了整个身体质量,可通过检查容易地进行身体节段惯性参数详情的变化检查。
在比较球手总体质量与球手所有节段所计算的质量的总量基础上,也可在身体节段惯性参数的各主要测量中通过适当调整所有节段的身体节段惯性参数提高精确度。通过精确体重秤以及计算的节段质量相关的计算软件范围内的调整容易确定球手的质量。可通过尽量减少对球手的不便来完成这些改进。
在第一阶段中,在三维或增强型三维照相机可看见的范围内对球手进行测量。不采用运动捕捉系统,传感器未置于球手身上。球手穿着最少衣服,且穿着非常适合。如需要,球手穿戴最合适的帽子或网状物使头发靠近头部。球手穿戴与将在挥杆测试中使用的相同或相似的鞋子。为保护球手隐私并使球手舒适,可在单独隐蔽的空间进行第一阶段。收到指导后,球手摆出一系列选定用来显示节段形状和关节位置的姿势和动作。特别是包括显示节段关节清晰度使增强型三维照相机视图更清晰的姿势和动作,包括良好分开的腿部和伸出的手臂姿势。这也包括通过其正常位移范围的关节姿势,包括接近对球手实际可行且方便舒适的末端位置。姿势和动作包括显示前、后和侧视图的姿势和动作。这也包括球手直立位置(如,对应于后挥杆顶部的姿势和动作)和球手前倾位置(如,对应于能够击球的位置)相关的姿势和动作。由操作员或由系统自动进行指导,或者由球手从显示屏或指导文件读取。
本实例中方法的最重要优点在于分离三维照相机和磁性运动捕捉系统平台,仅需要球手在三维照相过程中穿着最少衣服,可在远离主要试验区具有相对隐私的区域中进行,并使球手在实际挥杆测试过程中穿着最正规的衣服。在三维照相机平台减少衣服增加了节段形状测量的潜在精确度。
图7显示描述了通过三维照相机或增强型三维照相机测量身体节段惯性参数的系统中包含的一些主要步骤的图,如前所述。在本实例中,构建的节段形状与节段坐标系相符合。缩写3DC、MMCS和BSIP分别表示‘三维照相机’、‘磁性运动捕捉系统’和‘身体节段惯性参数’。
在测量球手体表的实用系统第三实例中,三维照相机(3DC)再次以第二实例中描述的相似方式用于测量节段形状相关的参数。然而,在本实例中,在不依赖触摸技术的情况下测量关节中心相关的参数,并涉及到三维照相机和磁性运动捕捉系统的使用。这提供了减少测量球手所需的时间和减少操作员所需的必要技术水平的其他优点。这也通过减少个体操作员技术影响增加了结果一致性。
球手位于安装了多个节段传感器的磁性运动捕捉系统的视场内,并有规律地摆出姿势和动作。处理器在相对于节段传感器的位置从这些姿势和动作中测定关节中心位置相关的参数。处理器采用这些数据以及其他可用的信息确定关节中心的矫正估计值。确定关节中心时,处理器使用与本文件其他地方描述的技术相关的各类特殊技术。例如,如果关节位于附有传感器的两个节段之间,可通过共用中心技术的同等技术找到关节中心,实质上确定为至少显示两个传感器相关运动的点。
确定关节中心时处理器可用的其他信息包括位置对称信息、关节中心信息之间的已知关系以及已知平均人体几何形态有关的位置信息。位置对称信息假设当球手采用平衡直立站姿时左右踝、膝、髋、内肩、外肩、肘和腕关节相对于将球手平分的垂直矢状面对称;也假设腰椎、胸腔和颈关节位于该矢状面上。位置对称假设左右小腿、大腿、上臂和下臂之间的关节中心距离相等。也假设左右髋到腰椎、胸腔到内肩以及内肩到外肩的关节中心距离相等。例如,关节中心信息之间的已知关系包括对于左右髋关节的距离在人体所有位置均保持基本不变的假设。可通过确定运动范围内最适合髋间恒定距离的位置改变和改进由其他方法确定的单个髋位置。平均人体几何形态相关的位置信息更广泛用于填充更难测量的信息的空白,如内肩和外肩关节的几何形态。例如,平均值通过高精确度地测定缩放关节之间的距离适度缩放到球手模型,如,共用中心技术或锁定共用中心技术同等的技术测定的距离。
确定关节中心时处理器可用的其他信息可能也包括从增强型三维照相机的三维照相机处获得的关节中心的估计值。如果采用这些估计值,选用三维照相机的视场中球手摆出的其他姿势和动作显示出关节的位置。这些包括通过其正常位移范围的姿势和动作,包括接近对球手实际可行且方便舒适的位置。还包括显示节段关节清晰度使三维照相机视图更清晰的姿势和动作,包括良好分开的腿部和伸出的手臂姿势。
确定整体关节中心模型时,处理器软件范围内一种算法或一组算法考虑到了所有可用信息。适当权重适用于其预期的精确度相关的信息项。例如,三维照相机确定的膝和髋关节中心可能比磁性运动捕捉系统确定的膝和髋关节中心权重更低。与第一实例相似,处理器有效采用三维照相机和磁性运动捕捉系统获得的这些各类数据以便用适于确定的节段类型的单个节段坐标系构建球手模型。同样地,处理器将相关密度运用到节段并计算球手的身体节段惯性参数,包括相关惯性矩。
图8显示描述了装置用于测量球手体表时测量身体节段惯性参数的第三实例中包含的一些步骤的图。图中采用了与图6中使用的缩写类似的缩写。
在测量球手体表的实用系统第四实例中,三维照相机和磁性运动捕捉系统再次用于测量节段形状和关节中心相关的参数,与第三实例中所述相似,但在本实例中,三维照相机和磁性运动捕捉系统的视场占用了同一个位置,可同时进行测量。这提供了不需要单独三维照相机平台的潜在优点,可减少球手和操作员的测量时间和费用。
球手同时站立在三维照相机视场和配备有多个节段传感器的磁性运动捕捉系统视场内,并有规律地摆出姿势和动作。处理器对准三维照相机和磁性运动捕捉系统的坐标系。三维照相机以第二和第三实例中所述的类似方式测定节段形状。处理器使用所有可用信息,包括磁性运动捕捉系统的信息,以通过以第三实例中所述的类似方式确定关节中心。
与第二和第三实例相似,处理器采用这些从三维照相机和磁性运动捕捉系统获得的各类数据构建带确定的关节中心以及配备确定的节段形状的单个节段坐标系的球手模型。处理器将相关密度运用到节段并计算球手的身体节段惯性参数,包括相关惯性矩。
在使球手方便舒适的穿着衣服以及通过穿着紧身衣服和最少衣服减少球手轮廓扭曲和表面深度之间达到平衡。敞口全身式安全带可代替夹克,用于支撑磁性运动捕捉系统传感器。系统软件的安装需考虑或忽略传感器、传感器支撑和传感器线路。例如,这也可能涉及这些组件的着色,这样可通过系统软件识别和适当处理这些组件。系统软件包括算法,可根据预定调整因素估计对衣服厚度的修正。
图9显示描述了装置用于测量球手节段表面时测量身体节段惯性参数的第四实例中包含的一些步骤的图。图中采用了与图6中使用的缩写类似的缩写。
在测量球手体表的实用系统第五实例中,三维照相机与磁性运动捕捉系统一同使用,三维照相机与在运动捕捉系统的磁场内跟踪的传感器固定。例如,这可通过将系统触针传感器连接至三维照相机安装。三维照相机和连接的传感器可用于测量球手节段的形状。
与第一实例相似,该方法具有潜在优点,使操作员通过手持装置扫描球手而不是依赖球手摆出获得节段形状所需的特殊姿势和运动。由于在与球手身体节段传感器相同的磁场内跟踪照相机和连接的传感器,无论扫描时球手是否移动均无影响。通常,可在一或两分钟以内进行此类型的身体扫描。
可通过任何适合方法测量与磁性运动捕捉系统磁场相关的关节中心位置,包括前述实例中任何一个实例所述的位置或用触针触摸方法先前所述的位置。也可用连接传感器的三维照相机或通过本方法与另一方法的组合确定关节中心位置。
与前三种实例相似,处理器有效采用这些从三维照相机和磁性运动捕捉系统获得的各类数据构建带确定的关节中心以及配备确定的节段形状的单个节段坐标系的球手模型。处理器将相关密度再次运用到节段并计算球手的身体节段惯性参数,包括相关惯性矩。
图10显示描述了通过测量球手节段表面测量身体节段惯性参数的第五实例中包含的一些步骤的图。图中采用了与图6中使用的缩写类似的缩写。
可也根据系统的特殊要求,方便地采用上述第五实例的元件组合。实例中所述的方法也适用于其他类型的运动捕捉系统,其可用作获得挥杆中的运动学信息的主要装置,包括高速照相机系统。
装置和方法的更多详情
成功应用逆动力学计算或相似技术的更多困难在于,在整个向下挥杆或挥杆过程中正确识别球手运动和身体节段惯性参数有关的地面反作用力应用点。由于即便是小错误,在识别中也可对计算精确度造成重大影响,这种识别意义重大。本实例中通过使用触针另外再参考系统坐标系相关的测力板的位置克服此困难,因此,这些相关的测量均采用高精确度和统一的参考系统。如果测力板包括干扰触针操作的金属,则精确配准可移动的非金属刚性校准固定装置使其位于测力板顶部。校准固定装置包括在测力板表面的上方有效距离处的标志点,可使触针在没有受到测力板金属的干扰下识别这些表面。读取参考测力板的读数时拆除固定装置。
测量系统其他潜在困难指的是不可在球杆头上或接近球杆头安装通常可用的有源传感器。这种不可行的产生原因如下。可能受到球杆头的自然运动的影响,可也能在击球状态受到损坏或移除,传感器操作也可能面临球杆头中金属的干扰。这些防止了检测起杆和击球时间点的球杆头传感器的使用。通过以下装置克服本次布置中的困难。通过已述的方式利用触针在与安装在球杆杆身上的传感器有关的位置记录球杆头接触面的位置。如果球杆面和球杆杆身的相对位置保持不变,使球杆面的位置受到监测,与起杆时的情况一样。因此,起杆时间确定为球杆面离开球区域并继续进行后挥杆运动的时间。然而,由于高速下挥杆形成的力在球杆杆身和球杆头之间发生明显的相关运动以及击球时运动捕捉系统的扫描速度不够快到精确捕捉高速球杆头,本方法不可用于测定击球时间。事实上,击球时间由使用分开检测球杆击球的一个或两个巧妙放置的传声器确定。传声器检测与运动学测量同步并修正声速。如果采用了两个传声器,第一和第二传声器的检测时差用于筛选出非源自击球区域的经检测声音。可代替方法涉及使用系统传感器或测力板检测击球活动,修正冲击波沿球杆传播并通过球手身体到达测力板传感器时产生的短暂延迟。由于扫描速率很慢,虽然其可在测力板记录数据上检测冲击波时用于说明时间范围,但不可单独使用球杆杆身上的传感器精确获得本信息。可增加测力板扫描速度,以提高检测精确度。由于扫描速度通常可产生通过线路检测的建模信号,可在不受处罚的情况下增加测力板扫描速度。
现有技术中,通常可使来自运动捕捉系统和测力板传感器的信号畅通以减少随机信号噪声。通常,通过数字滤波器使其通畅。虽然常用的简易数字滤波器,如滑动平均滤波器,容易除去信号的一些相关特征。由于更能够维持信号特性,更精确的数据滤波器,如Butterworth低通滤波器使用频率较高。本发明的一方面涉及一种了解,即滤波用于计算技术的信号,如高尔夫挥杆等高加速度运动的逆动力学以及涉及速度突变的特殊运动中使用的信号时,甚至是这些现有技术的数字滤波器中最好的滤波器都不能良好使用,这与击球活动产生的信号相同。虽然Butterworth型滤波器可隔离信号频率组成,但恰好产生这些组件时不能加以区分。也更容易使较高频率的信号瞬态变宽变弱,包括击球产生的那些信号。滤波器提供一系列自动滤波信号(如跟踪不同身体节段的传感器的输入信号)时,往往因为不同最佳频率要求造成更多问题。这是因为该滤波器通常受最佳截止频率的选用限制,而不同传感器的信号通常将具有不同的最佳截止值,且相同的低通滤波器通常可用于所有运动捕捉或所有测力板传感器。由于基于嘈杂位置数据获得的加速度,逆动力学计算中进行滤波特别重要。通过双微分涉及时间的位置数据获得加速度,可放大信号中的随机误差或噪声并将明显误差引入计算。另外,通过节段链继续进行逆动力学计算时这些误差易于积累。另外的问题区域与击球活动相关。由于数据采集速度相对于击球附近的球杆速度较慢,该活动的速度和加速度突然的大变动可防止对位置信号的有意义的微分以获得时间导数。击球前丢失大量时间导数数据点,如果单独考虑击球前数据,可通过推断圆满解决问题。如果显示平滑滤波器的数据中包含击球前和击球后数据,数据中通常不可能对击球产生的真实加速度和噪声产生的伪加速度加以区分,导致了数据的过度平滑。
通过各种技术克服现有技术中的这些困难。其中一种技术旨在开发和使用能够定位信号频率组成的滤波器。有可能通过小波或傅里叶变换的转换方式将嘈杂数据转换为频率范围的滤波器完成。另一种技术旨在提供特殊身体节段或特殊测力板输出测量相关的各传感器,其具有可适当和单独修改以提供最佳性能的滤波器。还有一种技术旨在通滤波波或除去优于最终微分参数中的噪声减少数据微分相关的问题。因此,如果通过双微分滤波位置数据获得加速度,相比传统方法,可在最初未滤波位置数据获得的滤波速度数据获得加速度。
这些技术如图11所示,显示描述未滤波位移信号转换成滤波加速度信号时所包含的步骤的简化框图。
在本实例中,小波用于滤波信号。信号的形状分解成不同的小波,并预制处理以去噪,然后转换成滤波时间序列信号。系统适于通过具有不同信号频率的传感器发出的各种信号进行的自动操作,同采用本发明的装置出现的情况相同。
选用最佳小波功能或母小波非常重要,可使特定应用适于获得信号频率组成的最佳表征。可通过试验不同小波和采用互相关法或自相关法进行,从而获得使互相关系数达到最大值的小波。方法产生了大小与母小波与数据的吻合程度(即与信号的相似度)有关的系数。试验表明测量不同节段运动的传感器通常具有不同的最佳母小波。
通过将信号分成近似信号和详细信号分解信号的小波表征。近似信号为信号的高尺度、低频率分量,而详细信号为低尺度、高频率分量。初始信号可通过两个互补滤波器并作为两个信号出现,即近似信号和详细信号。通过依次分解的连续近似信号迭代分解过程,以便分解信号成多个低分辨率的分量。优化该分解过程非常重要。小波滤波过程中,先将信号裁剪或填充成二进长度,即为二的幂。分解阶段将信号分解成最大为J-1范围,如果J是幂,对于并矢式长度1024的信号而言,信号可分解成J-1=10-1=9的最大数量量程。选择的小波滤波过程通常将信号分解为最大数量量程,所以可将阈值处理运用到每一级。
然后,如果通过消除系数除去噪声,则已分解的信号可采用硬阈值处理技术,这些系数对在各分解等级设置为小波振幅系数的标准偏差的倍数的阈值并不重要。这可利用经验观测和通过选择最佳值的大量信号的判断来完成。
平移不变除去噪声对抑制可能因平衡平移依赖造成的奇点附近出现的人为现象非常有用。最后,滤波小波信号可反向转换为时间序列信号。优化各种特殊传感器类型的母小波的选择和分解以及阈值处理过程时,这些优化的参数可用于所有后续应用。
为了获得来自原位置信号的滤波加速度和速度输出,对最终微分前的变量进行滤波。因此,实际上,如果需要加速度,则滤波速度而非位移。如果测试了滤波位移和速度的所有组合,则通过来自高尔夫挥杆磁性运动捕捉的信号的初步试验确定这种解决方案。发现单独滤波速度信号可获得最佳结果。是否该结果可运用到其他类型的运动捕捉系统的信号尚不可知。
图12显示描述这些技术用于滤波信号时包含的一些步骤的图。
如前所述,又一问题与球杆头击中球时发生的突变相关,球杆头在少于运动捕捉系统的扫描周期的一段时间内急剧减速,通过击球活动造成加速度数据的不连续。即使当采用上述改进的滤波系统时,这也可防止击球前和正好击球完毕后与多个扫描周期内的时间相关的精确双微分。例如,以240Hz的扫描速度和50m/s的球杆头速度击球前四个扫描周期的损失将在球杆头可行进超过200mm的时间内(如果继续采用这种速度)引起超过约4.2ms的缺损数据。会在击球后发生虽小但相似的数据丢失。如果未适当考虑该步骤的变化并通过击球滤波数据或使数据畅通,击球时的数据将出现明显失真,甚至是从位置数据中圆满去除噪声错误的位置也会出现失真。在本发明中采用以下方式克服确定变化的球杆头或速度曲线中出现的问题。由于球杆头和球的组合动力保持不变以及已知或容易确定球杆头和球的质量,击球后测量球速并用于确定球杆头速度中的阶跃变化。例如,可假设这种阶跃变化以稳定加速度在超过典型的击球持续时间内发生,已知约为0.45ms。然后,将这种阶跃变化知识用于通过击球和在击球后调整接近击球速度的球杆头速度,通过击球活动提供对球杆头速度的改进构建,也可用于互相连接以及定型从击球前数据达到击球速度的最佳估计的速度测量值和在使用击球后数据的立即击球后的最佳估计的速度测量值。理想上,可滤波球杆头速度曲线并计算直至击球,以及从击球后回到击球进行计算,然后调整允许击球时球杆头速度中计算的阶跃变化。这种计算所需的信息通常将为系统增添少量负担或未增添负担,是因为实际上在一般逆动力学计算中熟知球杆头质量,球质量变化较少,以及更多的试验将测量球速作为挥杆的一种总体评价。
图13显示描述这些技术用于经击球活动改进球杆头速度曲线的测定时包含的一些步骤的图。
质量保证
在时间约束下测量复杂运动学和地面反作用力时,或者必须进行大量测试时,可能无法检测设置误差,造成测试无效并影响成本,且给球手带来不便和烦恼。本实例中采用各种监测检查或技术(包括下列监测检查或技术)尽量减少这些问题。
初始监测检查或技术涉及一种装置,由此系统软件在屏幕上逐步构建球手与球杆模型,测量并记录人工测量标志和表面轮廓时,操作员可立即看见该模型。此可视模型复制造成误差的球手运动,例如不当标志的测量和传感器的无意运动,这将造成可视模型明显失真。这提醒操作员存在任何此类误差并允许尽早修正误差。
该模型也优于系统处理器进行的自动检查。测量球手的身体节段惯性参数时但在挥杆测试开始前,可自动进行各种检查。其中一项检查比较关节之间、下列部位(左右小腿、左右大腿、左右上臂和小臂)之间各左右节段之间的计算长度的对称性。另一项此类检查比较与球手脊柱相关的点的对齐情况,包括外肩旋转关节、胸腔关节、腰椎关节分隔线中点和髋关节分隔线中点。例如,通过测量上述点与一阶多项式曲线的偏离可进行此项脊柱相关检查。又一项检查比较体重计测定的体重和身体节段惯性参数测量与计算测得的体重之间的差异,从而充分考虑衣服和鞋的重量。
进行挥杆测试时可自动实施其他检查。其中一项检查监测计算的关节中心,其中通过用一个以上传感器跟踪关节可测定关节中心,如上所述。此检查用于髋关节和膝关节最为有用。另一项此类检查监测与球手脊柱相关的点的排列情况,包括外肩旋转关节、胸腔关节、腰椎关节分隔线中点及髋关节分隔线中点。类似于上述初始脊柱相关检查,例如可通过测量上述点与一阶多项式曲线的偏离进行此项检查。
有几项完成至少一次挥杆测试并进行一系列逆动力学计算后才能进行的有利的自动检查。其中一项重要检查其中从两个方向(例如胸腔和腰椎关节)进行有意义的计算的关节处比较力矩和功率的由近及远和由远及近的计算。数值不匹配时,将会警告仪器误差,例如传感器故障或接线不当或人体解剖标志或节段表面测量误差。另一项此类检查涉及比较挥杆过程中节段总能量变化率和关节总组合功率变化率。本项检查中,球杆作为节段,能量包括动能和势能。
处理器对上述自动检查结果的反应可能不同。例如,每项检查可能与两个可设定阈值电平相关。第一个阈值可能向系统操作员发出警报,提示检查系统。第二个阈值可能触发更严重警报,从而中止测试,直到问题解决为止。系统将保留所有警报的记录和日志,可作为系统及其运行的整体检查。
一般发明方面和优点
上述本发明的各方面涉及一种创造型整体洞察力,即高尔夫挥杆中的能量产生和传递可通过逆动力学等计算技术精确测量并分析,且可行有效,尽管现有技术(其中在有意义的科学分析方面有非常显著的商业优点的明显优点)无法实现这一点。
各种困难妨碍了现有技术进步,但本发明同时克服了这些困难,取得了成功的结果。成果包括充分强调关节出能量产生、能量通过沿相连的节段链的关节传递以及强调挥杆的下挥杆部分。成果还包括识别和处理与高尔夫下挥杆时发生的极高加速度相关的问题,以及更加精确地计算不具有高加速度的人体运动一贯需要的身体节段惯性参数。成果包括开发新的相连节段模型,其中腰椎、胸腔、内外肩和握把位置的关节有显著改进,中干节段的质量中心可移动。另外,成果还包括精确测量地面反作用力和手臂闭环产生的不确定性相关的参数。此外成果包括开发改进的测定重要加速度数据的方法,包括开发改进的滤波系统和击球动作前后测量和处理数据的系统。
克服上述困难产生了高度精确的系统,这些系统能进行有意义的分析,此分析实用性强,因而有巨大的商业价值潜力。系统无需人工调节或参数控制即可完成分析,包括无需熟练人员即可完整运行的系统。得到的系统也可自动或基本自动运行。部分系统变体也适合在不同部位间立即传递和设置。
得到的系统还适合无需之前测量或分析所得的运动学或动力学数据支持而使用。测量快速高效,对球手方便。同时,测量和分析单位成本低。测量和分析几乎不需要操作员(包括专家和技术人员)参与。
此外,得到的系统还适合研究和分离良好击球和不良击球要素(可用于开发和执行高尔夫球教练和训练系统),涵盖专业至最高差点技能水平的击球要素。得到的系统还适合测定或计算运动学和动力学参数,包括能量产生和传递参数,且精确度足以适合实际的、有意义的个人高尔夫球教练,结果可有用且有意义地进行比较以及根据对同一球手记录的不同挥球动作予以评估。得到的系统也适合测定或计算参数,且精确度足以用于驱动高尔夫挥杆计算机模型,该模型可用于有意义的高尔夫球教练相关的实际和有意义的高尔夫教练或活动。
得到的系统还适合测定或计算球手体内能量产生和经球手身体和球杆进行的能量传递,且精确度足以用于大型高尔夫挥杆信息数据库,数据库可用于有意义的高尔夫球教练相关的实际和有意义的高尔夫教练或活动。此类数据库包括适合用于训练神经网络来预测挥杆参数的数据库。
一般而言,通过将球手身体模型用于计算且通过模型、实测和测定的挥杆参数计算用于挥杆分析的分析参数来测量和测定挥杆参数。分析参数可即时分析挥杆,或可用若干分析参数分析挥杆。例如,运动学和地面反作用力测量可能包括测得的挥杆参数,而计算的分析参数可包括球手体内特定关节产生的能量。此特定数据可提供即时信息进行分析,例如还可与测定的挥杆信息的若干其他项目一并由系统处理器使用,以便对挥杆进行或分析的特定方面进行更广泛的分析。
利用人工智能的本发明替代实施例
本发明的一个替代实施例中,净关节参数由系统和装置采用大型代表性高尔夫挥杆数据库测定,该数据库采用测定本说明书中其他部分所述净关节参数的技术编译。此数据库包含地面反作用力数据,用于训练神经网络系统等人工智能系统,从而预测或测定新挥杆的净关节参数,根据地面反作用力参数分析,这些新挥杆可称作“最终使用”挥杆。地面反作用力参数包括地面反作用力、各脚和双脚相关力矩、各脚及双脚相关压力中心。现有技术中已知通过地面反作用力预测挥杆参数,如文件WO 2009/060011公开的内容。
人工智能系统包括一组神经网络,采用训练输入(包括地面反作用力参数)和训练输出(包括净关节参数)予以训练,训练输入及训练输出均取自数据库编制时对各个挥杆所记录的数据。通过测量或测定数据收集早期的地面反作用力、身体节段惯性参数和运动学参数计算训练用净关节参数。所得到的经训练的网络预测新测试挥杆的输出(包括净关节参数),其中输入包括记录的新测试挥杆地面反作用力参数。理想情况下,对于每一编号的铁质和木质球杆类型编制并使用单独的网络。但实际上用户通常不需要所有类型球杆,因此最常用球杆类型或代表性类型的网络足以满足需求。也可训练网络来适应几种球杆类型,其中球杆类型有平滑过渡。例如,用5号和7号铁球杆挥杆充分训练的神经网络,如果测试中间的6号铁球杆,将正确调整其预测,但如果测试4号或8号铁球杆,则调整程度较低,因为用5号和7号铁球杆训练将使网络具备将其结果扩大到球杆编号差异导致的差异的能力。尽管并非必需的,其他训练和测试输入可用于提高网络预测的精确度。方便的相关输入包括与球手身体特性和技能水平相关的简单明确且立即可用的数据,例如球手性别、身高、年龄和差点或其他击球技能指标。
尽管编译训练数据库所需装置和上文所述相同或相似,此替代实施例中用来测定球手净关节参数的装置仅需测力板、通信装置、处理装置以及包括或可接入受训神经网络的软件装置。处理装置和通信装置可能包括便携式计算机。
采用与第一实施例所述相似的一对并排测力板测定挥杆期间球手左右脚的垂直和侧向地面反作用力。在第二实施例的替代低成本变体中,并排的可操作测力板只用于测定垂直反作用力,神经网络训练输入不包括侧向力。前一种布置具备采集所有可用信息和可能产生更高精确度的相对优点。后一种布置的相对优点在于成本低、结构简单且重量和厚度可能较小。球手进行高尔夫挥杆时呈自然状态站立,每只脚踏一个测力板。测力板传感器信号传入处理器,其中信号转换成人工智能系统需要的输入信号。测力板仅测定垂直力时,信号转换为八个此类输入,即左右脚垂直力、每只脚的压力中心水平分量和双脚压力中心水平分量。测力板另外测定侧向力时,信号转换为附加输入。单独测定垂直力时,可考虑其他测定垂直地面反作用力的装置,包括测定变力和环绕双脚的高速压垫。相对于测力板,压垫通常具有成本低、结构强度要求低的相对优点,但通常具有速度高时响应性和精确度较低的相对缺点。
图14显示描述替代实施例中使用训练的人工智能预测或测定最终使用净关节参数涉及的部分步骤,如上文所述。缩写“NN”表示“神经网络”。
与前述直接测量或测定实施例相比,采用人工智能的此替代实施例具有下述各种相对优点。球手除需站在测力板平台上外无需接触装置。此装置可由球手操作,无需专家或第三方外部协助。装置单位成本相当低,用户无需花大力气准备或设置。且装置更紧凑、轻便、牢固,实际上无需维护。同时,装置更易于运输和存储。与此一致,与直接测量或测定实施例相比,此替代实施例具有下述各种相对缺点。此实施例只能确定或预测其他装置测量或确定的参数,因而依赖于其他装置能力,包括其精确度等级和测量或确定参数的限制。一般来说,此实施例的精确度可能相当低。因此,此实施例一次性启动成本高,要求编译大型训练数据库和编制神经网络。此实施例展现挥杆高精确度直观表示的能力较低。其测定挥杆其他参数(包括运动学参数)的能力也较低。
用人工智能装置和光深度测定照相机预测动力学参数的替代实施例
现在描述测定或分析高尔夫挥杆的动力学和运动学特性的本发明的替代实施例,其中测定装置包括地面反作用力测定装置和光深度测定装置,例如含有能进行图像处理、人体对象相连节段模型提取和相连节段模型运动跟踪的内置软件的三维照相机。如上文所述,有此类内置软件的系统可称为“增强型三维照相机”,广泛用于计算机游戏,结构紧凑且价格较低。
测定的特性可能包括动力学特性,例如净关节参数。可采用此系统组合和处理地面反作用力测定装置和光深度测定装置获得的数据,从而测定或预测挥杆相关的新数据或改进数据。组合与处理过程利用存储或其他形式的可用的挥杆相关数据。结果具有协同性,提供单靠地面反作用力测定装置或光深度测定装置无法以相同精确度等级或可靠性等级测定的数据。组合与处理过程由人工智能装置实施,此装置可能包括一个或多个神经网络系统,其中运动相关的预定数据包括网络训练输入。
图15显示描述上文所述替代实施例中涉及的部分基本步骤,其中该实施例用于测定或预测最终使用挥杆中的新数据,并分析挥杆。缩写AI表示“人工智能”。
光深度测定装置可能包括与前述测定球手身体节段惯性参数的照相机类型相同或相似的三维照相机或增强型三维照相机。在这种情况下,测定光深度的能力对区分置于不同深度的目标轮廓特别有用,例如不同于背景或球手身体的球杆或球手四肢,而不是像测定身体节段惯性参数的实例中那样精确测量或测定表面的三维轮廓。区分此类轮廓对增强型三维照相机从捕捉的图像识别和提取相连图形特别重要。
现在描述本替代实施例的一个实例。此实施例的装置包括增强型三维照相机、一对测力板、处理装置和通信装置。测力板可操作用于测定地面反作用力数据。增强型三维照相机可操作用于从捕捉的三维图像或运动中提取有刚性节段相连模型的图像或运动。利用经大型代表性高尔夫挥杆数据库训练的人工智能神经网络系统组合与处理数据。
图16为此装置实例的平面示意图。图中使用的参考数字索引如下。
1.置于球座或初始位置的球,按箭头方向击球。
2.人工球场
3.左脚测力板
4.右脚测力板
5.球手,用双脚轮廓表示。
6.测力板处理和接口装置
7.面向球手的三维照相机
8.装置处理器
9.用户接口和通信装置
10.含电子装置的外壳
本发明的一方面涉及以下洞察力:地面反作用力分析和增强型三维照相机得出的数据通常具有相反的优缺点,因此构思出并提供合适的组合方法,两种数据可协调组合。增强型三维照相机及其相关软件能以较高精确度书评复制高尔夫挥杆的特定方面。这些方面包括球手和球杆的静止或相对缓慢的运动部分的三维直观表示以及有高可视精确度的按比例的球手表示。增强型三维照相机在测量或测定照相机视野内显示不清晰的目标或参数方面表现不佳。这某些类型的旋转运动和全部或部分遮蔽的运动。还包括本质上基本呈动力学的参数。由于帧速较低(通常约为每秒30帧或30幅图像),增强型三维照相机在测定或测定快速运动部分方面同样表现不佳。击球前球杆头速度达到典型值即50m/s时,如果在此挥杆关键阶段保持这一速度,则球杆头在两幅图像之间的移动超过1.6米。相反,以更快的扫描速率捕捉地面反作用力分析,实际上限超过数据捕捉要求。本方法检测快速运动目标效果也较好,在此意义上快速运动目标易产生更易检测为地面反作用力的较高力。地面反作用力分析不受运动可见性影响,由于地面反作用力的动力学特性,这一方法本质上适合测定动力学参数。地面反作用力分析在重建目标(如球手)整体三维直观表示方面较差。
通过上文所述的本发明其他实施例中的装置测定最终使用挥杆中的地面反作用力。地面反作用力信号输入处理装置,处理装置将信号转换为人工智能系统需要的输入信号。上述最终使用输入统称为“地面反作用力输入”。
增强型三维照相机和本发明其他实施例中已说明的相机具有相同或相似的特性。照相机为已知的批量生成低价类型,运行帧速不低于每秒30帧。照相机配备可用于从三维图像提取对象相连模型的支持软件。挥杆时,照相机面向球手,与目标方向正交。采用各种已知技术将照相机图像转换成挥杆动作的三维相连杆节段模型。可修改或扩展照相机支持软件,从而提高跟踪高尔夫挥杆的精确度。例如,软件为可从一系列姿势库中选择最近邻匹配的类型时,可在此姿势库中进行添加,以包括高尔夫挥杆典型姿势类型。从三维相连节段运动中提取数据,从而得到人工智能系统的输入,该系统测定或引导测定所需的运动学和动力学参数。此类最终使用输入作为神经网络输入时,应统称为“照相机输入”。增强型三维照相机还可不依靠地面反作用测定系统独立测定有用的参数。这些参数包括身体节段惯性参数相关参数、静止或低速运动(如击球准备、起杆、后挥杆顶点和随球动作结束)相关时间以及球手与球杆的直观表示。
人工智能系统包括一组经训练的神经网络,用以借助各组最终使用输入来预测所需的不同最终使用输出。网络最终使用输入通常包括所有重要的地面反作用力输入和选定的照相机输入。还可采用其他非地面反作用力或照相机输入的最终使用输入。不同的网络可有利得用于不同类型的挥杆(包括使用不同类型球杆的挥杆,例如不同编号的木球杆和铁球杆)。
用包括相当于最终使用照相机输入的地面反作用力训练输入和非动力学训练输入以及包括数据库中记录的个体球手挥杆的高精确度测定或测定的训练输出训练网络。对随后使用训练的网络时可能遇到的、代表技能、技术和错误范围的大量球手进行的大量挥杆进行这些训练测试。例如,可采用磁性运动捕捉系统通过本说明书中前述装置进行这些训练测试。相当于最终使用照相机输入的运动学训练输入(例如节段的线速度、角速度和加速度)可采用磁性运动捕捉系统测定。相通过投影在正平面的球杆杆身角速度(即面对照相机的垂直平面)给出当于最终使用照相机输入的训练输入实例。此输入可用磁性运动捕捉系统和增强型三维照相机测定,并以等值表示,比如度/秒。相当于最终使用照相机输入的静态训练输入(例如关节位置和节段长度的测定)也可用磁性运动捕捉系统和触针测定。
身体节段惯性参数相关的最终使用照相机输入参数可以适合输入神经网络的形式表示。例如,此类参数可用一个或多个说明已知在累进范围内影响高尔夫挥杆的特定身体节段惯性参数特性来表示。此累进范围可包括经恰当修改的男性和女性变异形态学范围,例如内胚层体型、中胚层体型和外胚层体型范围。还可包括球手身高或球手身高/体重比范围。体重相关的最终使用照相机输入也可利用地面反作用力数据得出的体重信息,这些信息对应球手休息时的球手体重信息。上述范围均可用从零到整数的简单规范化比例表示。最终使用照相机输入和训练输入按相同原则计算。通过磁性运动捕捉方法采用上文所述实施例中的增强型三维照相机测定身体节段惯性参数所述相似的方式测定照相机输入身体节段惯性参数相关的数据。
与可从最终使用光深度测定参数得到的数据同类型的、从光深度测定参数得到的数据也可用于神经网络训练。例如,如果测定训练输入和最终使用输入时采用类似或相同类型的增强型三维照相机,或者增强型三维照相机的图像匹配姿势库中的图像,训练用输入可包括以通过训练挥杆相关部分的挥杆过程形式存在的匹配图像上的一系列识别标记。对应的最终使用输入将包括以通过最终使用挥杆对应部分的最终挥杆过程形式存在的匹配图像上的一系列识别标记。此类输入还可结合非增强型三维照相机使用,装置处理器执行由增强型三维照相机执行的其他功能。根据照相机类型和功能,还可结合非增强型照相机和增强型照相机有效使用各种其他类型的光深度测定训练输入。某些情况下,有必要将训练和最终使用照相机放置在分别相对于训练和最终使用球手的相似位置。但通过特定类型的照相机输入,系统处理器将数据转换成相连图像的三维表示,在此情况下此类系统基本上对训练和最终使用照相机和球手的相对位置不敏感。
最终使用地面反作用力参数和光深度测定参数可同时测定,也可分别测定。两种系统进行的测定为相关类型并且组合与处理时同步,则同时测定有利,例如其中地面反作用力参数和光深度测定参数包括相同输入。如果地面反作用力参数和光深度测定参数类型不相关或不同步,例如静止位置相关信息,则分别测定两类参数更方便。
最终使用网络输出包括动力学参数,例如净关节参数。输出也包括运动学参数,例如节段线速度、角速度和加速度,以及驱动球手挥杆时球手人体模型需要且要求时可以慢动作操作的参数。
图17显示上文所述替代实施例的实例中用于通过最终使用地面反作用力测定装置、最终使用增强型三维照相机和人工智能系统测定或预测净关节参数和其他参数涉及的部分步骤。缩写“NN”表示“神经网络”,“3DC”表示“三维照相机”。术语“数据库装置”和“数据库处理器”为编译数据库和训练神经网络所用的装置。术语“系统”指的是测定和分析球手挥杆所用的装置。本实例中,训练阶段未采用三维照相机,数据库也未存储三维照相机数据。
“测定”和“预测”相关词句宜根据神经网络或人工智能的输出理解为具有相同意义。术语“最终使用”指本发明的最终使用,例如用测试挥杆或数据库中挥杆训练神经网络,但最后用于分析最终使用挥杆。
包括分析和解释动力学参数的装置和方法的本发明替代实施例
本发明还提供一种分析高尔夫挥杆的系统和装置,包括解释和告知挥杆能量产生或传递参数。这些参数可通过上述任何本发明实施例测定。更多发明发明涉及下列实施情况和公开内容。
模式化高加速度高尔夫挥杆中的能量产生主要发生在具体关节相关的离散做功块,其中身体建模为由此类关节连接的基本刚性身体节段组成的系统。为方便起见,上述具体关节所做功相关的能量块下文称为“块”。关节相关的能量不同于节段相关能量,因为在任何时间点,关节处的最相关参数为关节功率或关节处能量产生速率,而在某个时间点,节段处的相关参数是其动能。一段时间的关节功率曲线与该关节产生的能量相关,能量表示为曲线下区域。因此,此类块包括关节功率和能量块相关参数,能量块与随时间变化的特定关节功率曲线相关。按本说明书其他部分所述,利用运行方便且低成本的装置和系统,可精确测量块用于典型分析或教练程序。现有技术中尚无具有此类能力的装置或系统。可有利地将分析告知个人或处理器装置,作为根据时间或任何相关时间变量设置的块的序列。若正确表示,则教练和球手等非技术或非专业人士均可轻松直观地理解上述分析。
正块在已完成击球中通常主要包括上升、保持和下降部分。人们认为这涉及脑与中枢神经系统的下意识交流,从而指导肌群将关节处的力矩从负值、零或低值增加,将力矩保持在稳定、适度上升或下降水平,再将力矩下降至低值、零或负值。
挥杆的可测量相关正块通常包括与下列关节相关的块:左右踝、左右膝、左右髋、腰椎、胸腔、颈、左右内肩、左右外肩、左右肘、左右腕及手和球杆间的握把。由于每个关节通常至少产生一个块,部分关节产生两个或多个块,分析可用的总数可能从18至其数倍不等。本发明的一方面包括一种洞察力:如果同时分析数量减少的块组,且感知到选定的块组间存在有用或有意义的相互关系,则块组应当经得起直观的个人分析。单次同时分析中块数量的限定程度由用户知识和经验决定。例如,与此类分析观察经验丰富的专业教练相比,业余球手分析自身挥杆的过程较简单,所需块数较少。业余球手分析的代表性块数限制约为8,其中这指的是分析的不同关节或关节组合数量。对有经验的分析者而言,代表性块数限制约为12。多数研究中,临时限制下挥杆的时间也便于分析,因为后挥杆关节功率值较小,而随球动作因处于所有重要的挥杆动作之后,故随球动作关节功率的重要性较低。
初次分析或综述分析中以各种方式减少块数,包括下列方式:一个关节产生多个块时,首先删除相对于最大块较小的块。也可首先删除产生较小块的关节,例如握把、头部和踝关节。有时可能同步操作或通常被用户视为一个分组的关节可组合在一起并初步处理为一组。这些组包括左右腕、左右肘、左右踝、左右外肩、左右内肩以及内外四个肩关节的组合。通常,左右髋和左右膝动作不同步,因此不适于按这种方法分组。
选定便于确定具体初始关系或比较的组也可以减少块数。例如,一种重要关系包括特定块的由近到远顺序,其中一种顺序包括目标侧髋、腰椎、胸腔、肩组合、肘组合和腕组合。其他此类组包括分析功率最大的关节,例如右髋、左髋、腰椎、胸腔、右肩组合和左肩组合。其他此类组包括含下半身和腿关节的组及含上半身、臂和握把关节的组。
通过为块设定规范化条件来简化块形状也可有利地促进块分析。为方便起见,按这种方式简化的块应称为“简化块”。简化的目的包括消除图形中的不相关性、平滑数据噪声或计算中噪声放大引起的不规则性以及通过强调块的关键特征并抑制较不重要特征简化表示。
图18显示装置分析高尔夫挥杆时通常涉及的部分步骤。装置包括装有软件和算法的处理器装置,用于将关节功率临时图形转换为简化块以及选择有限数量简化块组成的组,其中组具有有用或有意义的相互关系。在这种情况下,处理器和算法还对照视为表示通常已完成击球的块检查组内简化块之间的相互关系。例如,若组选择基础涉及由近到远顺序,则完成的击球中不符合认可顺序的简化块将以对用户明显的方式突出显示,且突出显示程度随简化块与视为表示已完成击球的块变化的程度而变化。通信装置向按要求选择组的用户显示各种简化块组菜单。
本装置可用各种方式突出显示与已完成击球的差别。例如,可给简化块轮廓涂色,以匹配其表示的关节功率,通常相邻的简化块的对比色应一致,以便于识别。可给简化块中心涂色或标上阴影来表示一致性或者与视为表示已完成击球的块的差异。例如,用粉红至红色阴影涂色的块中心的颜色随判断为较不匹配已完成击球的程度变化,而用浅绿至中绿涂色的块中心的颜色随判断为匹配已完成击球的程度变化。
简化块可以各种方式通过临时关节功率图形构建。例如,块包括随时间变化的正关节功率图形且图形与时间轴之间的封闭区域对应已做功,则正块可表示为时间轴上方由时间轴及上升、保持和下降图形限定的几何区域。同样,负块也可表示为时间轴下方几何区域。上文的一个实例中,块表示为由四条直线围成的四边形,上升、保持和下降均为线性。部分情况下,其中两条线可能共线,形成三角形。为方便起见,此类简化块称为四边形或正四边形及负四边形,按关节功率正负而定。显然,关节功率可取正值或负值。正值表示以相等速率将动能或势能添加到包括球手、球杆、球和周围环境的系统。负值表示以相等速率从该系统吸收或提取动能或势能。
包括下列标记为(i)至(iv)的规则可有利地用于表示单个关节出能量产生的四边形。(i):四边形试图提供看似经单个关节出现的能量产生上升、可能保持及下降单块的最佳拟合。忽略能量产生的边缘离散。(ii):四边形为其封闭区域等于实际曲线和时间轴封闭的区域,不包括能量产生的边缘离散。(iii):四边形的线尝试对曲线的上升、保持和下降部分进行最佳拟合。(iv):关节功率随时间变化的曲线由负值变为正值或由正值变为负值,曲线的正负部分和时间轴封闭的区域足以围成不同的四边形时,则得到的相邻正负四边形应在时间轴上有公用点。
对于上述第二条规则,曲线和时间轴之间的区域可按多种方法限定。例如,该区域可包括曲线第一次离开时间轴的点至曲线最终回到时间轴的点之间的区域。或者,该区域可包括从曲线下四边形起点开始(对应上升线与时间轴的交点)到四边形终止点终止(下降曲线与时间轴的交点)的区域。后一替代例的优点在于时间轴上的两点清楚确定,而前一实例中,曲线在时间轴上的起点和终点并非始终清楚,或这两点可能并未充分对应预期做功块和简化块。
本装置中,如曲线仅包括单块,则处理器和软件将采用以下简单算法自动确定四边形。在时间轴上靠近四边形表示的关节功率曲线起点选择可能的试验起点。将连接端到端的三条直线拟合到曲线上,终点同样在时间轴上,三条直线下方区域与曲线下方区域相等。这三条直线组成第一试验四边形。计算试验四边形和曲线间误差的平方和。随后在时间轴上接近第一试验点处选定第二试验点,按相似方法构建第二试验四边形,并按相同方法计算其误差。处理器根据误差相对值在时间轴上前后位置选定其他试验起点,终点位于有最小误差之处,该点最终选择为表示的四边形。图19显示该过程的基本步骤。通过安排算法可加快此过程,从而增加第一试验点接近最佳点的机率。例如,可将直线最佳拟合到可能代表上升部分斜率的曲线预先确定部分,将试验四边形起点作为该直线与时间轴的交点。例如预先确定部分可视为所表示的曲线的第一近似三分之一。或者,试验可从曲线终点开始,这种情况下,预先确定部分视为所表示曲线的最终近似三分之一。
图20至图22所示为表示高尔夫挥杆特性的四边形的组的构建阶段。图中参考数字索引如下。
1.零功率处时间轴,从后挥杆顶点至击球。
2.击球时竖轴和时间标志。
3.球杆后挥杆顶点处竖轴和时间标志,约击球前0.29秒。
4.图形上部边界,关节功率约为700W。
5.左髋关节功率图形,第一主块。
6.胸腔关节功率图形。
7.腰椎关节功率图形,主块。
8.腰椎关节功率图形,副块。
9.肩关节组功率图形。
10.右髋关节关节功率图形。
11.肘关节组功率图形。
12.左髋关节功率图形,第二主块。
13.腕关节组功率图形。
14.产生较大值块的关节相关的关节功率图形。
15.左髋四边形,第一四边形。
16.胸腔四边形。
17.腰椎四边形,主要四边形。
18.腰椎四边形,次要四边形。
19.肩关节组四边形。
20.右髋四边形。
21.肩关节组四边形。
22.左髋四边形,第二四边形。
23.腕关节组四边形。
24.球杆杆身角度为180°时(即在正平面垂直向上)垂直时间标志。
25.球杆杆身在正平面的角度为135°时的垂直时间标志。
26.杆身角度为90°时(即在正平面呈水平状)垂直时间标志。
27.球杆杆身在正平面的角度为45°时的垂直时间标志。
图20所示为限为下挥杆的代表性关节功率图形组,所示块为已完成击球中左髋关节、腰椎关节、胸腔关节、肩关节组、肘关节组和腕关节组相关块,通常具有从近到远顺序特性趋势。对这类球手和大多数习惯用右手的球手而言,左髋为目标侧髋。半数主图形以虚线表示,以便与以实线表示的相邻图形区分。应当了解,虽然数据限为下挥杆及少数关节功率,对各重叠图形的直观感受仍难以进行。
图21显示图20中转化为四边形形式的简化块的关节功率块图形。已删除图20中参考数字为14且尺寸相对不重要的块。应当了解,做功块的特性更简单,更易比较。其相对尺寸、位置和上升、保持和下降速率较清晰明显。在实际显示组中尤其如此,其中与不同关节相关的四边形以不同对比色表示,可用图形范围内特定关节用相同颜色表示。在由时间和球杆杆身角度标记的时间段内,表示身体常见关节的简化块从左到右排列似乎能快速直观地被几乎所有球手和教练所了解,尽管这些简化块实际表示在实际中无法见到或感知的抽象概念。图中清晰可见,球手腰椎关节功率从两方面而言为非常规或次优。尽管腰椎关节功率先于胸腔关节功率产生,正如在理想的由近到远顺序中所预计的一样,而初始腰椎关节功率较小,且在胸腔关节功率产生后作为一个较大块重新出现之前终止。
图22为图21中叠加在图20的关节功率图形上的已构建四边形。
各种替代简化块形式均可采用。其中一种形式类似于四边形形式,但采用5条直线,而非4条,且也将时间轴作为界线之一。第五条直线使简化块轮廓更匹配原曲线的形状,但使构建变得复杂,且使表示的形状不易懂,这是由于形状不再强制采用单一上升、保持和下降特性。
另一替代简化块形式包括以上升直线、下降直线及简单交点或曲线限定块,部分符合原始图形形状,弥补了上升线和下降线间的间隙,且将上述线与基本时间轴连接。采用简单算法匹配原始图形中的上升线和下降线,且使简化块面积和原始图形和时间轴限定的面积相等。曲线部分可能遵循最佳拟合低阶多项式。
另一种替代简化块形式包括除时间轴外无需直线,以及(例如)通过低阶多项式曲线将更加光滑的曲线拟合到整个原始图形。随后,与之前所述替代例一样,将简化块区域定为与原始图形和时间轴限定的区域相等。
图23为应用于图20的肩关节组合功率区块部分此类简化块形式的实例。图(a)为拟合到区域的四边形,图(b)为单独显示的四边形。应当了解,四边形非常精确地表示图形的上升和下降特性,但省略关节功率图形中初始低电平准备阶段。图(c)为拟合到同一肩关节组合图形的五边形简化块形式,图(d)为单独显示简化块形式。此情况下,整个图形形状得到了较好匹配,但简化块开始表现出两种不同上升速率的复杂性。图(e)显示的形式中,直线拟合到符合上升和下降部分且采用低阶多项式弥补上升线与下降线间的间隙并拟合到时间轴与上升线之间的间隙。图(f)为单独表示的简化块。此情况下,下降线充分拟合使得其延伸到时间轴。图中未显示拟合到整个曲线的低阶多项式实例,这是因为其类似图(e)和(f)所示,上升线及下降线曲率较小。图(g)和(h)显示了一种可能存在的困难,如果未注意优先拟合上升线和下降线,则可能出现这种情况。在此情况下,采用四边形的其中一条可用边表示关节功率的初始低电平准备阶段,而非上升和下降间的保持部分。这通常视为不符合要求的,因此构建四边形算法,从而使主要上升或下降情况优于关节功率的较弱前置或后置部分。
分析挥杆时可有利地使用各种简化块形式。例如,进行初始分析或显示简化块较多时,简单四边形形式为最佳方案。但详细分析挥杆特定部分时,简化块形式中图形细节越多越合适。如选定的标准形式有不足之处,可采用允许在不同简化块形式间自动切换的算法。例如,通常采用四边形形式时,如出现两段明显上升或下降,其速率重要性等级相似,可对此简化块将形式从四直线四边形自动切换为五直线四边形形式。
如上所述,四边形和其他简化块形式均为处理器对已完成击球中球手大脑和肌群相互作用的几何表示。四边形对应大脑在下意识状态下以分散包启动、保持再关闭的单个关节正功率,并假设控制过程通常只有分散包中大脑进行的启动、保持和关闭这一种顺序。由于大部分个体关节的相关肌群联合动作,个体关节的相邻四边形不彼此重合,而是完全分离或以截顶四边形或简化块形式紧密相邻。有时脊柱内特定假定关节相关的肌群可能包括不联合动作的分离的子肌群。此时各自的相邻四边形或简化块可能重合。
对应个体关节的能量块有时可能包括一个以上简化块或四边形。至少两种不同情况下可能发生这种情况。其一是该块跌至时间轴上零点前,大脑或中枢神经系统将下降指令改为上升指令。在此情况下,块分为两个或多个截顶简化块或四边形。另一种情况是多于一个肌群组带动同一关节,这些肌群组分别升高或降低其关节功率电平。在此情况下,块分为两个或多个重合的简化块或四边形。
单个关节功率能量块可能划分为截顶简化块或四边形时,如满足下列标准,即对该块进行划分。第一标准是表示该块的功率曲线必须包括至少有两个最大峰值,且两峰值间的最小值必须小于较小峰值的特定比例。其余标准与比值相关,可能包括以下要求:得到的已划分简化块或四边形峰值应超过设定阈值,其面积或能量值须超过设定阈值,同时还必须超过关节总正值的设定百分比阈值。下列标准可充分满足差点低的熟练球手。第一标准为比例阈值,约为0.58。该比例阈值通常包括约7瓦的设定功率峰值、约0.3焦耳的面积或能量值、约3%的占总面积或能量值。一个块形成两个截顶简化块或四边形组成时,两个块或四边形垂直边包括从两个峰值间的确定最小值处向下延伸至时间轴的公用垂直边,而按其他形式形成的简化块或四边形如上文所述。对于四边形而言,每一截顶四边形包括五条直边,但在某些情况下部分边可能共线。最小值点包括截顶四边形的其中一角。按上述标准划分的块以相同方式进一步细分,前提是相同标准适应于细分划分。一个块在前端和后端划分成截顶四边形时,得到的双截顶四边形有六条边,如上所述,某些情况下部分边可能共线。最小值点包括双截顶四边形的两个角。
图24显示了描述涉及将块分成四边形和截顶四边形的一些步骤的图,如上文所述。
在熟练的的下挥杆中,试验表明不同关节的四边形和简化块总是出现不同程度的重叠,认为这是为整体运动提供动力所需的关节运动范围所致。在熟练的下挥杆中,试验表明与相同关节相关的四边形和简化块通常不会与膝、髋、肩胛旋转和肘关节重叠。然而,所述四边形和简化块似乎有时可与腰椎和胸腔关节重叠。认为原因是腰椎和胸腔关节更复杂且性质不同,其中有些不同的肌群与不同平面的运动有关。
图25显示了可将包括关节功率曲线的块转换为一个或两个四边形或简化块的各种方法。图中使用的参考数字索引如下。
1.关节功率曲线。
2.两个峰值中较小者的垂直高度。
3.两个峰值中较大者的垂直高度。
4.两个峰值中最小值的垂直高度。
5.通过关节功率曲线构建的单个四边形。
6.通过关节功率曲线的初始部分构建的第一截顶四边形。
7.通过关节功率曲线的剩余部分构建的第二截顶四边形。
8.通过关节功率曲线的初始部分构建的第一重叠四边形。
9.通过关节功率曲线的剩余部分构建的第二重叠四边形。使用虚线轮廓显示,以与第一重叠四边形进行区分。
现参考图25,关节功率曲线作为示例,但是否应适当转换为一个或两个简化块的视觉效果并不明显。处理器软件中采用一种算法选定使用存储在处理器系统中的各种标准的适当转换策略。如前所述,根据高尔夫挥杆数据的经验分析制定所述标准,以确定块是否实际表示来自大脑的提升关节功率的一个或多个潜意识指令,且块内是否有一个或多个肌群单独作用。如前所述,可采用以较小峰值的垂直高度与两个峰值中最小值的垂直高度之比为依据的标准,图中分别以参考数字(2)和(4)表示。如果采用四边形格式,且标准表明块不得分离,则将产生单独四边形,通常在图中以四边形(5)表示。如果标准表明应将块分成两个部分,且只涉及一个主要肌群,则将产生两个截顶四边形,通常在图中以截顶四边形(6)和(7)表示。但是,如果标准表明应将块分成两个部分,但涉及两个基本独立的肌群,则将产生两个重叠四边形,通常在图中以重叠四边形(8)和(9)表示。划分截顶四边形和重叠四边形的标准值以经验检验和观测为依据,因此可能不同。
如果处理器以视觉形式(例如在显示屏上或打印文件中)向个人用户呈现四边形,发现沿时间轴显示熟悉的时间相关标志有利。特别有用的标志包括易于理解的主要位置处的正平面球杆杆身角度(例如180°、90°、45°)及击球,通常在接近0°时击球。例如,所述标志可显示为如图21所示的屏幕或文件上的垂直线。与所述垂直线对应的主要球杆杆身位置处的高尔夫球手的小图解描述也有用。其他重要标志包括与后挥杆顶点相关的各个点,例如髋、肩和球杆在开始各自的下挥杆运动前达到最高旋转位置。可以有利的方式布置系统接口和软件,以便用户随意分别添加或删除显示器上的所述标志。
应用和分析
根据本发明,关节功率块分析可通过各种技术实际用于高尔夫挥杆,包括球手或高尔夫教练等专家直接分析块或四边形模式显示,或处理器自动分析块或四边形模式,同时将分析结果传达给球手或教练。如果以四边形或简化块格式呈现结果,则可分析各四边形或简化块的单个特性,包括其总能量值、总持续时间、上升率、下降率及保持值是否增加、保持稳定或下降。与其他四边形或简化块值的关系也很重要。已经讨论了其中一些特性的相关性。分析技术还可能涉及比较挥杆四边形或简化块模式与相同球手的其他挥杆。可与球手之前的挥杆记录进行比较,例如在一段时间内贯彻训练计划时检查进展。也可与一系列挥杆进行比较,检查挥杆的各四边形或简化块模式的一致性。也可与其他球杆的挥杆进行比较,例如,在不要求最大距离,但要求相同的高效、平稳的能量产生和传递时,检查球手如何在挥杆过程中掌握发球杆等长打球杆采用的技能。分析技术还包括与等效挥杆或适当专家模型的挥杆范围的相关四边形或简化块模式进行比较。标准可以统计分析为依据,例如比较相应区域代表的四边形或简化块的各关节功率功量值,比较四边形或简化块矩心的相对坐标位置,或比较四边形或简化块的相对上升和下降角度。高尔夫挥杆是一个复合动作,可通过与根据经验所知的四边形或简化块模式进行比较获得进一步了解,从而获得最佳能量产生和传递。专家模型以专业球手的合成挥杆为依据,对其进行调整,使其适合所分析的挥杆和球手。所述分析技术可由教练或球手直接实施,也可由处理器自动实施。球手以前的结果可记录在处理器可访问且自动用于分析的存储日志中。
通过本发明测试和分析结果表明以下几点。更熟练的挥杆的特征是四边形或简化块更平稳地上升和下降,从而以较少重叠度输出所需功。所述挥杆往往采取正确且适当的由近到远的顺序。同样地,试验表明在越来越不熟练的挥杆中,块或四边形的重叠度逐步增大,明确的上升和下降更少,且由近到远的顺序越来越少。同时还发现在日益熟练的下挥杆中,四边形或简化块中通常包含明显更多的功率和能量。较多见的情况是低差点球手输出的块或四边形功率几乎是高差点球手的两倍,尽管球手具有类似体能。试验还表明,在适中熟练的下挥杆中,球手通常采用相同类似的球杆重复非常相似的四边形或简化块挥杆顺序,包括四边形或简化块的形状和量值。此特征特别重要,由于此特征表明球手通常具有描述其下挥杆的特征块或四边形特征。如果可监控四边形或简化块的形状和顺序变化,并通过四边形或简化块的形状和顺序变化确定适当的做法,则此特征也促进了训练计划。在击球过程中出现问题或损坏时,此特征还提供了检查球手以往的四边形或简化块形状和顺序的记录。
节段能量
也可由挥杆过程中根据时间绘制的节段能量变化率曲线表示随时间变化的节段能量变化块构建节段能量四边形或简化块。与关节功率四边形或简化块不同,节段能量四边形或简化块与节段(而不是关节)相关,且与能量产生相比,与能量传递更紧密相关。尽管可以与关节功率四边形相似的四条直线格式构建节段能量四边形或简化块,不同之处在于节段能量四边形或简化块不代表大脑或中枢神经系统发出的上升、保持和下降指令,因此,可以其原有格式或其他几何格式(例如时间轴限定的平滑曲线)显示节段能量四边形或简化块。节段能量四边形或简化块以正负格式出现,两种格式在标准挥杆固有的能量传递过程中均很重要。可划分节段能量块,并单独显示不同类型的随时间变化的节段能量变化的节段能量块,例如,可显示动能和势能的单独块。
节段能量四边形或块可方便与关节功率四边形或简化块一起使用。节段能量四边形或块具有与关节功率四边形或简化块类似的值范围,因此,很容易采用图纵坐标上的相同比例和相同功率单位及图曲线下面积表示的能量单位在与关节功率四边形或简化块相同的图上显示节段能量四边形或块。往往也会在各球手的特征模式中出现节段能量四边形或块,所述出现模式具有与球手技能相关的特性。使用关节功率四边形或简化块的球手将熟悉此特征,且此特征有助于培养直观理解。
该系统具有极大地影响教练方法的潜力,因为该系统能使教练或不熟练的球手理解复杂的技术信息,从而直观理解之前无法理解的主题。同时还允许在单个图或屏幕上显示大量相关信息,并克服了许多非技术人员对掌握图形化信息的常见反感。
可在以下段落中总结本发明:
系统分析了高尔夫挥杆,精确地确定了球手身体产生的各关节功率,采用了逆动力学和球手身体的详细建模。采用深度照相机测量身体节段形状,并采用磁性运动捕捉系统和三维测力板系统测量挥杆参数。
本系统无需技术娴熟的技术人员便可迅速地进行分析,并且本系统适于个人教练和编译大型高尔夫挥杆数据库。
替代系统分析高尔夫挥杆,通过处理器和人工智能装置预测挥杆参数,包括球手身体产生的各关节功率。采用深度照相机和测力板系统测量处理器和人工智能装置的输入。采用来自大型高尔夫挥杆数据库的与运动捕捉、深度照相机和测力板相关的参数训练人工智能装置。该系统可用于瞬态分析,且球手无需教练或其他人的协助便可使用该系统。
另一个替代系统包括处理器,所述处理器通过将复杂的关节功率数据转换成以用户可直观理解或可通过其他装置更容易处理的形式提取并传达其基本特征的格式分析高尔夫挥杆。处理器采用专用算法装置将关节功率数据转换成离散块,将离散块选入数量有限的有意义的相关组,删除无关紧要的细节,然后配置一般形状,以突出球手大脑或中枢神经系统发出的基本上升和下降指令。
应理解本发明不限于本文中给出的所述具体细节,并应理解可在不背离所附方法和装置权利要求限定的本发明范围的情况下进行各种修改和变更。
Claims (66)
1.一种分析涉及球手和球杆的高尔夫挥杆的装置,包括测量装置和处理装置,
其中所述测量装置和处理装置用于测定挥杆参数,特征在于所述处理装置用于:
(a)在计算中采用球手身体模型;
其中所述模型包括若干刚性的身体节段和若干身体关节;
所述身体节段通过所述身体关节以一条或多条链连接;
所述身体节段具有所述计算中采用的测定的身体节段惯性参数,包括惯性矩参数;
(b)分析与球手体内能量产生和/或经球手身体和球杆进行能量传递相关的挥杆,包括涉及所述身体模型中的身体关节或身体关节组处产生的能量或能量产生率的分析;
(c)分析所述挥杆的下挥杆部分,包括以高加速率快速挥杆,包括通过发球杆和长铁杆挥杆;以及
(d)分析在满足高尔夫教练或训练需求时有意义且实用的挥杆,包括分离好坏击球因素;或分析在编译用于满足高尔夫教练或训练需求的数据库时有意义且实用的挥杆,包括分离好坏击球因素;通过用于:
(i)自动或基本自动处理所述计算,包括专家和技术人员在内的操作员很少参与;
(ii)采用有意义的科学分析,包括与体内能量产生和传递相关的分析;
(iii)通过测量所述球手测定的挥杆参数提高精确度,包括通过测量所述球手测定的身体节段惯性参数;
其中
(e)所述计算需要所述球手身体节段惯性参数测量值,并且测量装置测量所述球手身体节段惯性参数;
(f)所述计算通过由所述身体关节连接的所述身体节段的所述一条或多条链逐步执行。
2.根据权利要求1所述的装置,其中所述处理装置用于通过若干分析参数分析挥杆。
3.根据权利要求1所述的装置,其中所述处理装置用于将球手建模为相连的刚性的节段组成的系统,所述模型包括以下特征的选择:
所述处理装置用于建模球手,此时球手的右小腿、右大腿、左小腿、左大腿、骨盆、上干、头、右上臂、右下臂、左上臂和左下臂分别位于所述模型的不同节段或不同节段组;
所述处理装置用于通过包括与中干节段连接的上或中上干节段的节段和关节建模,其中所述关节位于穿过脊柱的前后线上的两个节段的分界线之间,位于脊柱中心或脊柱与所述线前端向内三分之一处的点之间的点上;
所述处理装置用于通过包括与中干节段连接的骨盆节段的节段和关节建模,其中所述关节位于穿过脊柱的前后线上的两个节段的分界线之间,位于脊柱中心或脊柱与所述线前端向内三分之一处的点之间的点上;
所述处理装置用于通过包括分别连接在中上干节段和左右上臂节段之间的左右上干节段的节段和关节建模;
所述处理装置用于通过包括与球杆段连接的左右手节段的节段和关节建模,此时单个握把关节位于左右手位置之间的球杆杆身中心轴上;
所述处理装置用于通过包括分别与左右下臂节段连接的左右手节段的节段和关节建模;
所述处理装置用于通过包括分别与左右小腿节段连接的左右脚节段的节段和关节建模;
所述处理装置用于建模包括与上干节段连接的颈上部的头节段;
所述处理装置用于建模大腿与骨盆相邻节段之间及上臂与上干之间的分界线,所述分界线与假想运动平面匹配;
所述处理装置用于建模位于与最近节段连接的关节不同侧的所述最近节段的分界线;
所述处理装置用于建模头节段与上或中上干节段之间的关节,球手直立时,所述关节位于第七颈椎高度处;
所述处理装置用于建模中干节段与上或中上干节段之间的关节和分界线,球手直立时,所述关节和分界线位于第八胸椎T8高度处;
所述处理装置用于建模中干节段与骨盆节段之间的关节和分界线,球手直立时,所述关节和分界线位于第五腰椎和骶骨L5-S1高度处。
4.根据权利要求1所述的装置,其中所述处理装置用于将球手和球杆建模为刚性球杆头和柔性杆身,且包括以下技术和特征的选择:
所述处理装置通过有限元分析建模杆身,以测定杆身的弯曲特性;
所述处理装置通过针对球杆类型的有限元分析建模球杆类型,其中代表球手所用球杆类型的有限种类的球杆类型用于测试;
所述处理装置使用球杆握把端的测量运动作为有限元分析输入。
5.根据权利要求1所述的装置,其中所述处理装置采用以逆动力学原理为依据的计算方法。
6.根据权利要求5所述的装置,其中所述处理装置用于使用以下逆动力学计算特性的选集:
从四个点开始的计算,包括左右脚近端触地点及球杆远端和头;
通过选择关节确定近端和远端计算终止处的终点,预计通过由远到近或由近到远计算产生准确可靠的结果;
所述终点的远端关节采用由远到近值计算参数,所述终点的近端关节采用由近到远值计算参数,其中远端指沿球手身体和附属球杆指向球杆头或球手头的方向,近端指沿球手身体指向球手左右脚触地点的相反方向。
7.根据权利要求1所述的装置,其中所述处理装置用于通过以下特性的选集测量或分析球手体内产生的能量或经球手身体和球杆传递的能量:
测量或分析球手的大量复杂肌肉所产生的能量作为对具体各关节直接作用的肌群所产生的能量;
某个关节处肌群所产生的能量按关节周围力矩与角位移的乘积计算,某个关节处肌群所产生的功率按关节周围力矩与角速度的乘积计算;
球手体内产生的能量的主要分析参数为各关节处的关节功率;
经球手和球杆传递的能量的重要分析参数为各节段的能量变化率。
8.根据权利要求1所述的装置,其中所述测量装置用于测量运动学参数,包括通过磁性运动捕捉系统测量的参数或通过高速摄影动作捕捉装置测量的参数,其中所述磁性运动捕捉系统的有源传感器设置在球手身上,所述高速摄影动作捕捉装置的无源标志或目标设置在球手身上。
9.根据权利要求1所述的装置,其中所述测量装置包括磁性动作捕捉装置,且用于直接跟踪参考磁场中球杆及若干球手的身体节段的三维位置和三维方向,还用于包括以下技术或特征的选择:
所述测量装置通过跟踪握把关节下方球杆杆身上部的传感器直接跟踪球杆;
所述测量装置通过跟踪所述球手的身体节段上的传感器直接跟踪左右小腿、左右大腿、骨盆、中上干、左右上臂、左右下臂、左右手和头;
所述测量装置不包括下臂上的传感器;
所述测量装置不包括左上干和右上干上的传感器;
所述测量装置不包括左右脚上的传感器;
所述测量装置和处理装置通过参考相邻节段上直接跟踪的传感器间接跟踪没有直接跟踪的节段;
腿上的传感器通过绑带附着,和/或骨盆和中上干上的传感器附于夹克上,和/或手上的传感器附于手套上,和/或头上的传感器附于帽子上;
小腿上的传感器设置在小腿上部附近,以避免地面反作用力测量装置的金属信号干扰;
附于金属球杆上的传感器安装在非金属构件上,所述非金属构件使所述传感器远离球杆但固定在球杆上。
10.根据权利要求1所述的装置,其中所述测量装置包括用于测量或测定与球手脚或腿相关的力的装置,所述测量装置和处理装置用于测量与每条腿的力分布相关的参数,也能从下列技术或特征中进行选择:
所述测量装置和处理装置测量任一右脚触地点、右脚到右髋关节之间的点、任一左脚触地点及左脚到左髋关节之间的点处的力,所述处理装置通过实测力测定每条腿的力分布;
所述测量装置测量左右脚触地点或站立地面部位的地面反作用力;
所述测量装置通过一对测力板测量地面反作用力;
所述测量装置测量球手脚触地点处的三维力;
所述测量装置通过一对三轴测力板测量三维力;
所述测量装置通过球手脚触地点处测得的力对准运动捕捉系统的坐标系;
所述测量装置采用在运动捕捉系统的磁性坐标系中操作的触针通过球手脚触地点处测得的力对准所述运动捕捉系统的坐标系。
11.根据权利要求1所述的装置,其中所述测量装置包括用来测量或测定与各臂内力和/关节功率分布相关的力的装置,而且用于测量或测定通过以下技术或特征选择的力:
所述测量装置和处理装置用于测量右手节段、左手节段和球杆之间握把关节上的力或功率;
测量并记录握把关节力或功率以及相应杆身角度位置的分布图,然后通过与两次挥杆时测量的包括杆身角度位置的参数匹配从而与另一次挥杆同步;
针对某位球手挥杆所用的一系列具有代表性的球杆类型,测量并记录握把关节力或功率以及相应杆身角度位置的分布图,然后运用到所述球手的其他挥杆中;
针对一系列具有代表性的球杆类型,测量并记录握把关节力或功率以及相应杆身角度位置的分布图,然后运用到其他球手的挥杆中;
握把关节位置的力或功率通过测量握把关节的综合三维力来测定,然后直接运用到逆动力学计算中;
握把关节的力或功率通过测量握把关节的简单力矩来测定并用于测定右臂和左臂的力和功率的相对比例;
握把关节位于左右手位置之间的球杆杆身的中心轴附近;
所述测量装置包括设置在握把关节附近的球杆杆身上的应变计;
所述测量装置包括设置在握把关节附近的应变计,所述握把关节位于支撑球杆杆身的一个构件上;
所述测量装置包括以平衡电桥排列布置的应变计;
所述测量装置包括测量弯矩并与所述球杆杆身长轴对准的应变计;
所述测量装置包括测量力矩并与所述球杆杆身长轴以一定角度对准的应变计。
12.根据权利要求1所述的装置,其中所述测量装置和处理装置用于测量与身体节段惯性参数相关的参数,还包括以下技术或特征的选择:
所述测量装置和处理装置测量或测定身体节段惯性参数的选择,包括节段关节位置、节段质量、节段质量分布或质量中心和各主体相互正交方向的节段惯性矩;
所述处理装置适当地或成比例地调节球手身体节段惯性参数的质量参数,使所有球手节段的质量参数之和与测出的球手测量整体质量相符;
所述处理装置将球手身体一侧的身体节段惯性参数相关测量值运用到球手身体的另一侧;
所述处理装置将身体一侧的、无需建立相对于特定传感器的关节中心的身体节段惯性参数相关测量值运用到身体另一侧;
所述测量装置和处理装置测量或确定相对于设置在相邻节段上的传感器的关节中心。
13.根据权利要求1所述的装置,其中所述测量装置和处理装置用于测量或测定通过以下技术或特征选择的中干身体节段惯性参数:
使球手处于接近击球位置的前倾位置,以测量中干;
在至少两个位置进行中干的测量,一个是球手实测力平衡直立位置或后挥到达顶点位置直立或相对直立,另一个是球手位置实测力击球位置前倾,采用的身体节段惯性参数在挥杆时不同,在所述直立位置测量的值和所述前倾位置测量的值之间变化;
采用的身体节段惯性参数在挥杆时不同,在与根据经验法测定的球杆角位移相符的、所述直立位置测量的值和所述前倾位置测量的值之间变化,同时,后挥到达顶点时的值接近直立测量值且击球时的值接近前倾测量值;
在至少两个位置测量中干,一个是球手实测力平衡直立位置或后挥到达顶点位置直立或相对直立,另一个是球手位置实测力击球位置前倾;测定身体节段惯性参数值,使得所述两个位置达到平衡,且在挥杆期间采用身体节段惯性参数值。
14.根据权利要求1所述的装置,其中所述测量装置和处理装置用于通过以下技术或特征的选择测量或测定相对于三维几何形状的身体节段惯性参数:
通过节段边界的特定人体测量标志限定的所述各节段的简化几何表示计算身体节段的形状和体积;
大腿和上臂节段包括由表面与上干或骨盆在关节的假想运动平面内成一定角度的斜截椭圆锥体组成的部位干体;
对身体一侧的脚、小腿、大腿、上臂、下臂和手节段中心部位进行的几何测量自动适用于另一侧;
表示节段所采用的几何体通过八个标志限定,每端各四个标志用于限定宽度和深度。
15.根据权利要求1所述的装置,其中当采用以下技术或特征的选择的操作人员在触摸辅助下,所述测量装置、处理装置和通信装置用于在测量或测定身体节段惯性参数:
将器具放置在解剖标志上并读数;
将器具放置在解剖标志上并读数,其中所述器具采用在运动捕捉系统坐标系中可跟踪的触针;
将器具放置在节段的解剖标志上并读数,其中所述器具采用在坐标系中可跟踪的触针,同时也可在同一坐标系内跟踪节段;
所述测量装置包括触针,所述触针可在磁坐标系内操作同时可用于测量相对于传感器的所述球手、球杆或系统装置的表面点位置;和/或定位身体和球杆标志以及在关节中心、节段体积和节段质量分布测定或计算时采用的节段表面或形状;
所述测量装置包括多个动作捕捉传感器和可在同一磁坐标系内操作的一个触针;
还包括通信装置,所述通信装置由一个处理装置控制并用于提供视觉或听觉通信,所述通信采用操作员熟悉的名称一次性指示标志,而所述操作员可逐步通过待测量的标志或点并自动记录与所述操作员通信的所述测量值。
16.根据权利要求1所述的装置,其中所述测量装置和处理装置用于通过以下技术或特征的选择测量或确定关节中心的位置:
所述处理装置确定关节运动时相对于两个相邻节段最趋于静止的点的位置,其中所述位置为通过动作捕捉装置或其他装置分别跟踪的两个相邻节段共有,这种技术称为共用中心技术;
所述处理装置确定当球手有意识地锁定两个节段组合之间关节使关节移动时相对于第一节段和两个节段的组合最趋于静止的点的位置,其中所述位置为相邻第一节段和相邻两个节段的组合共有,通过运动捕捉装置或其他装置分别跟踪所述第一节段和所述节段组合,这种方法称为锁定共用中心技术;
所述测量装置测量关节相对于高尔夫挥杆运动时的限定运动,而所述处理装置通过共用中心或锁定共用中心技术确定所述位置;
所述测量装置测量便于将关节保持在以相互固定关系锁定的两个节段组合内的限定运动,其中所述处理装置通过所述锁定共用中心技术确定所述位置;
从以下技术中选择,其中所述测量装置和处理装置利用附于节段上的传感器通过共用中心或锁定共用中心技术确定所述位置:所述测量装置测量能在高尔夫挥杆范围内轻松自在地进行的最大幅度的限定运动,所述测量装置测量其幅度不会因相对于关节的皮肤位移造成所述传感器显著或不当运动的限定运动,将传感器设置在不容易受下层肌肉活动打扰的节段表面区域,同时确定传感器的位置,以便增加与关节的径向距离;
所述测量装置和处理装置采用共用中心或锁定共用中心技术确定通常与球手一次性解剖标志相关的位置,所述测量装置和处理装置接着利用关节中心与解剖标志的关系确定特定球手的关节中心位置;
所述测量装置和处理装置采用共用中心或锁定共用中心技术确定所述位置,以直接确定各球手的特定关节中心。
17.根据权利要求1所述的装置,其中所述测量装置和处理装置用于通过球手身体三维表面测定值测量或测定身体节段惯性参数。
18.根据权利要求17所述的装置,其中所述测量装置和处理装置用于测量或测定身体节段惯性参数,步骤如下:移动通过运动捕捉代表性节段表面部分进行跟踪的触针,测量并记录一系列表面点,继续采集各点直至采集到足够的点以确定节段表面的形状,然后根据测量点确定节段表面的形状。
19.根据权利要求17所述的装置,其中测量装置和处理装置包括可通过光深度测定测定球手身体三维表面的三维照相机装置。
20.根据权利要求17所述的装置,其中测量装置和处理装置包括使用光深度测定来测定球手身体三维表面同时可用于实施以下步骤的三维照相机装置,其中术语‘节段’指节段或相邻节段的组合:
测量装置和处理装置通过光深度测定来确定球手采取各种姿势和动作时的节段表面部分;
所述处理装置通过测定的表面部分来确定节段的三维形状;
所述处理装置通过除所测定三维表面以外的信息利用测定的关节中心和/或测定的各节段坐标系构建球手的局部模型;
所述处理装置采用适于关节中心和/或节段坐标系的三维节段形状构建球手模型;
所述处理装置将预定密度运用到三维节段形状中;
所述处理装置通过三维节段形状采用的模型和密度来测定身体节段惯性参数;
其中所述分析涉及球手和球杆的高尔夫挥杆的装置通过以下技术的选集有助于使三维节段形状适于关节中心和/或节段坐标系:
采用与局部模型的关节中心相符的三维照相机测定已测定节段形状的关节中心,其中所述三维照相机包括能进行图像处理、提取人体对象的相连节段模型并跟踪所述相连节段模型运动的内置软件;
采用共用中心或锁定共用中心技术测定已测定节段形状的关节中心并使其与局部模型的关节中心相符,其中当球手有意识地锁定两个节段组合之间的关节时,共用中心技术将位置确定为关节运动时相对于两个相邻节段最趋于静止的点,并且所述锁定共用中心技术将位置测定为关节运动时相对于第一节段和两个节段组合最趋于静止的点,其中所述位置为相邻第一节段和相邻两个节段的组合所共有;
通过节段形状确定节段端点,假定关节中心位于节段端点,并且节段端点与局部模型的关节中心相符;
节段形状与局部模型内构建的潜在节段形状范围或模板相符。
21.根据权利要求17所述的装置,其中所述测量装置和处理装置包括可通过光深度测定来测量或测定球手身体三维表面的三维照相机装置,并用于实施以下步骤:
测量装置和处理装置通过光深度测定来确定球手采取各种姿势和动作时的节段表面部分;
所述处理装置通过确定的表面部分来确定节段的三维形状;
测量装置和处理装置通过运动捕捉来测定球手分别采取各种姿势和动作时关节中心的节段坐标系和估计值,其中术语“运动捕捉”理解为不包括光深度测定;
所述处理装置通过其他可用信息测定关节中心的矫正估计值;
所述处理装置通过关节中心的矫正估计值及各节段的测定坐标系构建球手的局部模型;
所述处理装置采用适于节段坐标系的关节中心和三维节段形状构建球手模型;
所述处理装置将预定密度运用到三维节段形状中;
所述处理装置通过三维节段形状采用的构建模型和密度来测定身体节段惯性参数。
22.根据权利要求17所述的装置,其中测量装置和处理装置包括可通过光深度测量来测量或测定球手身体三维表面的三维照相机装置,并用于实施以下步骤:
测量装置和处理装置通过球手采取各种姿势和动作时的光深度测量和运动捕捉来测定节段表面部分,其中术语“运动捕捉”理解为不包括光深度测定;
所述处理装置通过光深度测定确定节段表面部分;
所述处理装置通过测定的节段表面部分来确定节段的三维形状;
所述测量装置和处理装置通过运动捕捉测定关节中心的节段坐标系和估计值;
所述处理装置通过其他可用信息测定关节中心的矫正估计值;
所述处理装置通过关节中心的矫正估计值及各节段的测定坐标系构建球手的局部模型;
所述处理装置采用适于节段坐标系的关节中心和三维节段形状构建球手模型;
所述处理装置将预定密度运用到三维节段形状中;
所述处理装置通过三维节段形状采用的模型和密度来测定身体节段惯性参数。
23.根据权利要求22所述的装置,其中测量装置和处理装置能从下列技术或特征中进行选择:
对准光深度测定和运动捕捉的坐标系,其中术语“运动捕捉”理解为不包括光深度测定;
光深度测定和运动捕捉同时进行;
光深度测定和运动捕捉在共同位置进行。
24.根据权利要求19所述的装置,其中所述测量装置和处理装置能从下列技术或特征中进行选择,以通过其他可用信息矫正关节中心估计值:
所述处理装置采用共用中心技术,确定为显示了通过运动捕捉或光深度测定的相对于两个单独检测运动最轻微运动的点;
所述处理装置采用位置对称信息,所述位置对称信息假设当球手处于平衡站立位置时左右踝、膝、髋、内肩、外肩、肘和腕关节相对于将球手平分的垂直矢状面对称;
所述处理装置采用位置对称信息,所述位置对称信息假设当球手处于平衡直立位置时腰椎、胸腔和颈关节位于将球手平分的垂直矢状面;
所述处理装置采用假设左右小腿、大腿、上臂和下臂之间的关节中心距离相等的位置对称信息;
所述处理装置采用假设左右髋到腰椎、胸腔到内肩以及内肩到外肩的关节中心距离相等的位置对称信息;
所述处理装置采用关节中心的已知关系,包括对于运动捕捉过程中左右髋关节的距离在所有位置均保持基本不变的假设;
所述处理装置采用与球手模型呈适当比例的平均人体几何形态相关位置信息,包括从特定节段的关节平均长度缩放至能够以高精确度测定的关节长度;
所述处理装置采用可通过光深度测定系统提供的相连节段模型信息;
所述处理装置结合并采用若干关节中心估计值,并且可用于通过权重测定与预期精确度等级相当的影响比例。
25.根据权利要求17所述的装置,其中测量装置和处理装置包括可通过光深度测定来测量或测定球手身体三维表面的三维照相机装置,并用于实施以下步骤:
运动捕捉装置测量球手;
所述运动捕捉装置和处理装置测定运动捕捉坐标系中的节段位置和关节中心;
所述测量装置包括在所述运动捕捉装置的坐标系内进行跟踪的一个深度测量装置,同时由操作员控制的所述测量装置和处理装置通过光深度测定测量所述运动捕捉坐标系内的节段表面部分;
所述测量装置和处理装置通过已测定的表面部分测定所述运动捕捉坐标系中节段的三维形状;
所述处理装置采用适于节段坐标系的关节中心和三维节段形状构建球手模型;
所述处理装置将预定密度运用到三维节段形状中;
所述处理装置通过三维节段形状采用的模型和密度来测定身体节段惯性参数。
26.根据权利要求7所述的装置,其中测量装置和处理装置能从下列技术中进行选择,以通过其他可用信息矫正关节中心估计值:
所述处理装置以与逆动力学计算相关的格式构建球手模型;
测量装置和处理装置忽略在光深度测定中显著混淆或扭曲节段表面测定的物品,包括附于节段上的传感器或标志;
测量装置和处理装置识别并忽略在光深度测定中显著混淆或扭曲节段表面测定的物品,通过着色所述物品方便进行识别;
测量装置和处理装置根据预定调整因素修正光深度测定中的衣服厚度;
所述测量装置和处理装置包括带内置处理装置和软件的深度测定照相机,所述深度测定照相机能提取球手的相连节段模型。
27.根据权利要求1所述的装置,其中所述处理装置通过以下监控检查及相关技术和特征的选择进行监控检查:
所述处理装置在测量和记录人体测量标志时逐步构建球手和球杆模型,然后将所述逐步构建的模型展示给操作员或用户,据此向操作员或用户警示明显错误;
完成部分或全部球手身体节段惯性参数的测量和计算时,所述处理装置检查与以下各组-小腿、大腿、上臂和下臂的左右节段进行比较计算出的关节长度是否对称;
完成部分或全部球手身体节段惯性参数的测量和计算时,所述处理装置检查与球手脊柱相关各点是否对准,包括外肩关节、胸腔关节、腰椎关节分隔线中点以及髋关节分隔线中点;
完成部分或全部球手身体节段惯性参数的测量和计算时,所述处理装置检查适当修正和调整后的通过磅秤测定的重量与通过身体节段惯性参数测量和计算测定的重量的差异;
进行挥杆测量时,所述处理装置检查与以下各组-小腿、大腿、上臂和下臂之间左右节段进行比较计算出的关节长度的对称性;
进行挥杆测量时,所述处理装置监控和检查所计算关节中心的一致性,其中通过至少一个传感器跟踪包括髋关节和膝关节的关节中心;
进行挥杆测量时,所述处理装置监控和检查与球手脊柱相关各点是否对准,包括外肩旋转关节分隔线中点、胸腔关节、腰椎关节的分隔线中点以及髋关节分隔线中点;
通过逆动力学或类似方法完成基本挥杆分析计算时,所述处理装置比较并检查各关节力矩或功率的由近至远的计算和由远至近的计算,其中能以有意义的精确度等级计算两种参数;
通过逆动力学或类似方法完成基本挥杆分析计算时,所述处理装置比较并检查挥杆时节段总能量的变化率和组合关节总功率的变化率;
还包括通信装置;
所述处理装置自动进行检查,同时所述通信装置自动将结果传达给操作员或用户;
所述处理装置自动进行检查,同时所述通信装置立即自动将结果传达给操作员或用户;据此及时检测和/或校正故障;
所述处理装置将检查与若干可设定阈值电平联系起来;一个阈值向操作员或用户发出警告报警,提示进行系统检查,其后一个阈值发出更紧迫报警,防止在相关问题得到解决前继续测试。
28.根据权利要求1所述的装置,其中所述处理装置用于通过以下技术和特征的选择滤波测量信号,以消除信号噪声:
通过滤波器限定测量装置的信号频率组成;
采用滤波器通过转换将测量装置测得的噪声数据转换成频域;
单独设置滤波器,使测量特定身体节段运动或特定力输出的测量装置或传感器达到最佳性能;
通过计算时间导数时最终微分前的信号参数,利用滤波器消除测量装置的信号噪声;
所述处理装置采用最优小波函数,已选择所述函数以通过利用互相关法或自相关方法试验不同小波并评价结果来获得测量装置信号频率组成的最佳表征;
所述处理装置在大量信号中将最佳值用于通过经验观测和判断从测量装置得到的分解信号的阈值处理。
29.根据权利要求1所述的装置,其中所述处理装置可用于执行以下步骤:
所述处理装置将时序信号转换成小波变换;
所述处理装置将信号分解成不同小波;
所述处理装置测定小波阈值;
所述处理装置重新将结果转换成时序信号。
30.根据权利要求1所述的装置,其中所述测量装置和处理装置用于执行以下步骤:
所述测量装置和处理装置测量击球前的球杆头速度曲线,并测定速度曲线的最佳估计值;
所述测量装置和处理装置测量或测定击球后的球杆头速度,并测定速度曲线的最佳估计值;
球测量装置测量击球后的球速或所述处理装置获取击球后的球速;
所述处理装置通过假设在标准击球持续时间内保持球和球杆头动量和恒定球杆头加速度测定击球时的球杆头速度变化;
所述处理装置通过结合击球时的球杆头速度变化调整击球前、击球时和击球后的球杆头速度曲线。
31.根据权利要求1所述的装置,其中所述测量装置和处理装置用于通过检测所述测量装置感应到的一个或多个点处的击球冲击波测定击球时间,所述击球冲击波沿球杆头的远到近方向经球杆杆身和球手传播,所述处理装置用于通过经验数据修正从球杆头传播到感应点的击球冲击波的延迟。
32.根据权利要求1所述的装置,其中所述测量装置和处理装置用于执行以下步骤:
测量装置和处理装置测量和测定大量球手的挥杆运动学参数、身体节段惯性参数和地面反作用力参数;
处理装置通过测得的运动学参数、身体节段惯性参数和地面反作用力参数测定与球手体内能量产生和/或经球手身体和球杆进行能量传递相关的参数,所述参数应指能量参数;
处理装置通过地面反作用力参数输入和能量参数输出训练人工智能;
处理装置采用训练的人工智能通过最终使用挥杆中测得的地面反作用力参数预测最终使用挥杆的能量参数;
所述装置包括以下特征和技术的的选择:
处理装置采用包括一个神经网络或一组神经网络的人工智能;
测量装置分别测量左右脚的地面反作用力参数;
测量装置和处理装置计算地面反作用力参数,包括右脚、左脚及双脚的压力数据计算中心。
33.根据权利要求1至32中任一权利要求所述的装置,包括以下技术或特征的选集:
测量或分析集中或仅限于下挥杆;
所述装置适合以高加速率进行高尔夫挥杆,包括通过发球杆和长铁杆完成的挥杆;
所述装置的操作不需要人员调整或操控参数或结果;
所述装置自动或基本自动操作;
所述装置不需要高技能人才操作;
所述装置便于球手操作;
所述装置操作快速且单位成本低;
包括专家和技术人员在内的操作员很少参与所述装置的操作;
所述装置适用于研究和分离好坏击球因素;
所述装置适用于教练职业和低差点球手;
所述装置适用于测定或计算足够精确的能量产生和/或能量传递,可在实际有意义的个人高尔夫教练中使用;
所述装置产生足够准确的结果,从而有效且有意义地对比和评价相同球手的不同记录挥杆;
所述装置适用于测定或计算足够精确的运动学或动力学参数,以便进行实际有意义的高尔夫教练或与有意义的高尔夫教练相关的活动;
测量或分析不需要依赖之前测量或分析所获得的运动学或动力学数据。
34.一种分析涉及球手和球杆的高尔夫挥杆的方法;
通过测量和测定挥杆参数;特征在于:
(a)在计算中采用球手身体模型;
其中所述模型包括若干刚性的身体节段和若干身体关节;
所述身体节段通过所述身体关节以一条或多条链连接;
所述身体节段具有所述计算中采用的测定的身体节段惯性参数,包括惯性矩参数;
(b)分析与球手体内能量产生和/或经球手身体和球杆进行能量传递相关的挥杆,包括涉及所述模型中的各关节或关节组处产生的能量或能量产生率的分析;
(c)分析所述挥杆的下挥杆部分,包括以高加速率快速挥杆,包括通过发球杆和长铁杆挥杆;以及
(d)分析在满足高尔夫教练或训练需求时有意义且实用的挥杆,包括分离好坏击球因素;或分析在编译用于满足高尔夫教练或训练需求的数据库时有意义且实用的挥杆,包括分离好坏击球因素;通过:
(i)自动或基本自动处理所述计算,包括专家和技术人员在内的操作员很少参与;
(ii)采用有意义的科学分析,包括与体内能量产生和传递相关的分析;
(iii)通过测量所述球手测定的挥杆参数提高精确度,包括通过测量所述球手测定的身体节段惯性参数;
其中
(e)所述计算需要所述球手身体节段惯性参数测量值,并且测量装置测量所述球手身体节段惯性参数;
(f)所述计算通过由所述身体关节连接的所述身体节段的所述一条或多条链逐步执行。
35.根据权利要求34所述的方法,其中采用若干分析参数分析挥杆。
36.根据权利要求34所述的方法,其中在计算中将球手建模为相连的刚性的节段组成的系统,所述模型包括以下特征的选择:
球手的右小腿、右大腿、左小腿、左大腿、骨盆、上干、头、右上臂、右下臂、左上臂和左下臂分别位于所述模型的不同节段或不同节段组;
关节和节段包括与中干节段连接的上或中上干节段,其中所述关节位于穿过脊柱的前后线上的两个节段的分界线之间,位于脊柱中心或脊柱与所述线前端向内三分之一处的点之间的点上;
关节和节段包括与中干节段连接的骨盆节段,其中所述关节位于穿过脊柱的前后线上的两个节段的分界线之间,位于脊柱中心或脊柱与所述线前端向内三分之一处的点之间的点上;
关节和节段包括分别连接在中上干节段和左右上臂节段之间的左右上干节段;
关节和节段包括与球杆段连接的左右手节段,此时单个握把关节位于左右手位置之间的球杆杆身中心轴上;
关节和节段包括分别与左右下臂节段连接的左右手节段;
关节和节段包括分别与左右小腿节段连接的左右脚节段;
大腿与骨盆相邻节段之间及上臂与上干之间的分界线与假想运动平面匹配;
相邻节段的分界线位于连接所述节段的关节的不同侧;
头节段包括与上干节段连接的颈上部;
球手直立时,头节段与上或中上干节段之间的关节位于第七颈椎高度处;
球手直立时,中干节段与上或中上干节段之间的关节和分界线位于第八胸椎T8高度处;
球手直立时,中干节段与骨盆节段之间的关节和分界线位于第五腰椎和骶骨L5-S1高度处。
37.根据权利要求34所述的方法,其中将所述球杆建模为刚性球杆头和柔性杆身,且所述方法包括从以下技术和特征进行选择:
通过有限元分析建模杆身,以测定杆身的弯曲特性;
代表球手所用球杆类型的有限种类的球杆类型用于测试,并通过针对球杆类型的有限元分析建模球杆类型;
使用球杆握把端的测量运动作为有限元分析输入。
38.根据权利要求34所述的方法,其中所述计算方法以逆动力学原理为依据。
39.根据权利要求38所述的方法,包括从以下逆动力学计算特性进行选择:
从四个点开始的计算,包括左右脚近端触地点及球杆远端和头;
通过选择关节确定近端和远端计算终止处的终点,预计通过由远到近或由近到远计算产生更精确可靠的结果;
所述终点的远端关节采用由远到近值计算参数,所述终点的近端关节采用由近到远值计算参数,其中远端指沿球手身体和附属球杆指向球杆头或球手头的方向,近端指沿球手身体指向球手左右脚触地点的相反方向。
40.根据权利要求34所述的方法,其中测量或分析球手体内产生的能量或经球手身体和球杆传递的能量包括以下特性的选择:
测量或分析球手的大量复杂肌肉所产生的能量作为对具体各关节直接作用的肌群所产生的能量;
某个关节处肌群所产生的能量按关节周围力矩与角位移的乘积计算,某个关节处肌群所产生的功率按关节周围力矩与角速度的乘积计算;
主要分析参数为各关节处的关节功率;
重要分析参数为各节段的能量变化率。
41.根据权利要求34所述的方法,其中测定参数包括运动学参数,包括通过磁性运动捕捉测得的参数或通过高速摄影动作捕捉测得的参数。
42.根据权利要求34所述的方法,其中通过磁性运动捕捉直接跟踪参考磁场中球杆及若干球手节段的三维位置和三维方向,所述方法还包括以下技术和特征的选择:
通过直接跟踪握把关节下方球杆杆身上部跟踪球杆;
直接跟踪左右小腿、左右大腿、骨盆、中上干、左右上臂、左右下臂、左右手和头;
没有直接跟踪下臂;
没有直接跟踪左上干和右上干;
没有直接跟踪左右脚;
通过参考直接跟踪的相邻节段间接跟踪没有直接跟踪的节段。
43.根据权利要求34所述的方法,其中测定参数包括与每条腿的力分布相关的参数,且所述方法包括从以下技术或特征进行选择:
测量任一右脚触地点、右脚到右髋关节之间的点、任一左脚触地点及左脚到左髋关节之间的点处的力,实测力用于测定每条腿的力分布;
测得的力为左右脚触地点或站立地面部位的地面反作用力;
球手脚触地点处测得的力为三维力;
使球手脚触地点处测得的力对准运动捕捉系统的坐标系。
44.根据权利要求34所述的方法,其中测定参数包括与各臂的力和/或关节功率分布相关的参数,且所述方法包括从以下技术或特征进行选择:
测量右手节段、左手节段与球杆之间的握把关节处的力或功率;
测量并记录握把关节力或功率以及相应杆身角度位置的分布图,然后通过与两次挥杆时测量的包括杆身角度位置的参数匹配从而与另一次挥杆同步;
针对某位球手挥杆所用的一系列具有代表性的球杆类型,测量并记录握把关节力或功率以及相应杆身角度位置的分布图,然后运用到所述球手的其他挥杆中;
针对一系列具有代表性的球杆类型,测量并记录握把关节力或功率以及相应杆身角度位置的分布图,然后运用到其他球手的挥杆中;
握把关节位置的力或功率通过测量握把关节的综合三维力来测定,然后直接运用到逆动力学计算中;
握把关节的力或功率通过测量握把关节的简单力矩来测定并用于测定右臂和左臂的力和功率的相对比例;
握把关节位于左右手位置之间的球杆杆身的中心轴附近。
45.根据权利要求34所述的方法,其中测定参数包括与身体节段惯性参数相关的参数,且所述方法包括以下技术或特征的选择:
身体节段惯性参数包括节段关节位置、节段质量、节段质量分布或质量中心和各主体相互正交方向的节段惯性矩的选集;
适当地或成比例地调节球手身体节段惯性参数的质量参数,使所有球手身体节段的质量参数之和与测出的球手测量整体质量相符;
球手身体一侧的身体节段惯性参数相关测量值适用于球手身体的另一侧。
46.根据权利要求34所述的方法,其中通过以下技术或特征的选择测量或测定中干身体节段惯性参数:
使球手处于接近击球位置的前倾位置,以测量中干;
在至少两个位置测量中干,一个是球手实测力平衡直立位置或后挥到达顶点位置直立或相对直立,另一个是球手位置实测力击球位置前倾;采用的身体节段惯性参数在挥杆时不同,在所述直立位置测量的值和所述前倾位置测量的值之间变化;
采用的身体节段惯性参数在挥杆时不同,在与根据经验法测定的球杆角位移相符的、所述直立位置测量的值和所述前倾位置测量的值之间变化,同时,后挥到达顶点时的值接近直立测量值且击球时的值接近前倾测量值;
在至少两个位置测量中干,一个是球手实测力平衡直立位置或后挥到达顶点位置直立或相对直立,另一个是球手位置实测力击球位置前倾;测定身体节段惯性参数值,使得所述两个位置达到平衡,且在挥杆期间采用身体节段惯性参数值。
47.根据权利要求34所述的方法,其中通过以下技术或特征的选择根据三维几何形状测量或测定身体节段惯性参数:
通过节段边界的特定人体测量标志限定的所述各节段的简化几何表示计算身体节段的形状和体积;
大腿和上臂节段包括由表面与上干或骨盆在关节的假想运动平面内成一定角度的斜截椭圆锥体组成的部位干体;
对身体一侧的脚、小腿、大腿、上臂、下臂和手节段中心部位进行的几何测量自动适用于另一侧;
表示节段所采用的几何体通过八个标志限定,每端各四个标志用于限定宽度和深度。
48.根据权利要求34所述的方法,其中操作人员通过以下技术或特征的选择根据触摸测量或测定身体节段惯性参数:
将器具放置在解剖标志上并读数;
将器具放置在解剖标志上并读数,其中所述器具采用在运动捕捉系统坐标系中可跟踪的触针;
将器具放置在节段的解剖标志上并读数,其中所述器具采用坐标系中可跟踪的触针,同时也可在同一坐标系内跟踪节段;
以操作员熟悉的名称一次性向操作员发出指示标志的视觉或听觉通信,而所述操作员可逐步通过待测量的标志或点并自动记录与所述操作员通信的所述测量值。
49.根据权利要求34所述的方法,其中通过以下技术或特征的选择测量或确定关节中心的位置:
测定关节运动时相对于两个相邻节段最趋于静止的点的位置,其中所述位置为通过动作捕捉或其他方法分别跟踪的两个相邻节段共有,这种技术称为‘共用中心’技术;
测定当球手有意识地锁定两个节段组合之间的关节使关节移动时相对于第一节段和两个节段的组合最趋于静止的点的位置,其中所述位置为相邻第一节段和相邻两个节段的组合所共有,通过运动捕捉装置或其他方法分别跟踪所述第一节段和所述节段组合,这种方法称为‘锁定共用中心’技术;
关节的限定运动表示相对于高尔夫挥杆的运动,其中通过所述‘共用中心’或‘锁定共用中心’技术确定所述位置;
所述限定运动便于将关节保持在以相互固定关系锁定的两个节段组合内,其中通过所述‘锁定共用中心’技术确定所述位置;
从以下技术选择,其中利用附于节段上的传感器通过所述‘共用中心’或‘锁定共用中心’技术确定所述位置:可在高尔夫挥杆范围内轻松自在地进行最大幅度的限定运动,所述限定运动的幅度不会因相对于关节的皮肤位移造成传感器显著或不当运动,将传感器设置在不容易受下层肌肉活动打扰的节段表面区域,同时确定传感器的位置,以便增加与关节的径向距离;
通常根据球手的一次性解剖标志测定关节中心,随后利用关节中心与解剖标志之间的关系测定特定球手的关节中心,其中通过共用中心或锁定共用中心技术确定所述位置;
直接测定各球手的特定关节中心,其中通过共用中心或锁定共用中心技术确定所述位置。
50.根据权利要求34所述的方法,其中通过球手身体三维表面测定值测量或测定身体节段惯性参数。
51.根据权利要求50所述的方法,其中通过以下步骤测量或测定身体节段惯性参数:移动通过运动捕捉代表性节段表面部分进行跟踪的触针,测量并记录一系列表面点,继续采集各点直至采集到足够的点以确定节段表面的形状,然后根据测量点确定节段表面的形状。
52.根据权利要求50所述的方法,其中光深度测定用于测定球手身体三维表面。
53.根据权利要求50所述的方法,其中光深度测定用于测定球手身体三维表面,且所述方法包括以下步骤,其中术语‘节段’指节段或相邻节段的组合:
球手采取各种姿势和动作,同时通过光深度测定测定节段表面部分;
根据测定的表面部分确定节段的三维形状;
通过除所测定的三维表面以外的信息利用测定的关节中心和/或测定的坐标系构建球手的局部模型;
采用适于局部模型的关节中心和/或节段坐标系的三维节段形状构建球手模型;
预定密度适用于三维节段形状;
通过所述模型和三维节段形状采用的密度测定节段惯性参数;
其中通过以下技术的选择帮助完成使三维节段形状适于关节中心和/或节段坐标系的步骤:
可采用与局部模型的关节中心相符的三维照相机确定已确定节段形状的关节中心,其中所述三维照相机包括能进行图像处理、提取人体对象的相连节段模型并运动跟踪所述相连节段模型的内置软件;
采用共用中心或锁定共用中心技术测定已确定节段形状的关节中心并使其与局部模型的关节中心相符,其中
共用中心技术将位置确定为关节运动时相对于两个相邻节段最趋于静止的点,当球手有意识地锁定两个节段组合之间的关节时,共用中心技术将位置确定为关节运动时相对于第一节段和两个节段组合最趋于静止的点,其中所述位置为相邻第一节段和相邻两个节段的组合所共有;
通过节段形状确定节段端点,假定关节中心位于节段端点,并且节段端点与局部模型的关节中心相符;
节段形状与局部模型内构建的潜在节段形状范围或模板相符。
54.根据权利要求50所述的方法,其中光深度测定用于测量球手身体三维表面,且所述方法包括以下步骤:
球手采取各种姿势和动作,同时通过光深度测定测定节段表面部分;
根据测定的表面部分确定节段的三维形状;
球手分别采取各种姿势和动作,通过运动捕捉测定节段坐标系和关节中心的估计值,其中术语“运动捕捉”理解为不包括光深度测量;
通过其他可用信息测定关节中心的矫正估计值;
通过关节中心的矫正估计值及各节段的测定坐标系构建球手的局部模型;
采用适于所测定的节段坐标系的关节中心和三维节段形状构建球手模型;
预定密度适用于三维节段形状;
通过构建的模型和用于三维节段形状和关节中心的密度测定身体节段惯性参数。
55.根据权利要求50所述的方法,其中光深度测定用于测定球手身体三维表面,且所述方法包括以下步骤:
球手采取通过光深度测定和运动捕捉测量的各种姿势和动作,其中术语“运动捕捉”理解为不包括光深度测定;
通过光深度测定测定节段表面部分;
根据测定的节段表面部分确定节段的三维形状;
通过运动捕捉测定节段坐标系和关节中心估计值;
通过其他可用信息测定关节中心的矫正估计值;
通过关节中心的矫正估计值及各节段的测定坐标系构建球手的局部模型;
采用适于节段坐标系的关节中心和三维节段形状构建球手模型;
预定密度适用于三维节段形状;
通过所述模型和三维节段形状采用的密度测定身体节段惯性参数。
56.根据权利要求55所述的方法,包括从以下技术或特征进行选择:
对准用于光深度测量和运动捕捉的坐标系,其中术语“运动捕捉”理解为不包括光深度测定;
光深度测定和运动捕捉同时进行;
光深度测定和运动捕捉在共同位置进行。
57.根据权利要求54所述的方法,其中与矫正关节中心估计值相关的其他可用信息包括以下技术或特征的选择:
采用共用中心技术,确定为显示通过运动捕捉或光深度测定的相对于两个单独检测运动最轻微运动的点;
采用位置对称信息,所述位置对称信息假设当球手处于平衡直立位置时左右踝、膝、髋、内肩、外肩、肘和腕关节相对于将球手平分的垂直矢状面对称;
采用位置对称信息,所述位置对称信息假设当球手处于平衡直立位置时腰椎、胸腔和颈关节位于将球手平分的垂直矢状面;
采用位置对称信息,所述位置对称信息假设左右小腿、大腿、上臂和下臂之间的关节中心距离相等;
采用假设左右髋到腰椎、胸腔到内肩以及内肩到外肩的关节中心距离相等的位置对称信息;
采用关节中心的已知关系,包括对于运动捕捉过程中左右髋关节的距离在所有位置均保持不变的假设;
采用与球手模型呈适当比例的平均人体几何结构相关位置信息,包括从特定节段的关节平均长度缩放至能够以高精确度测定的关节长度;
采用通过光深度测定系统获得的相连节段模型信息;
结合和采用若干关节中心估计量,同时通过权重确定与预期精确度等级相当的影响比例。
58.根据权利要求50所述的方法,其中光深度测定用于测定球手身体三维表面,且所述方法包括以下步骤:
通过运动捕捉测量球手;
在运动捕捉坐标系中测定节段位置和关节中心;
操作员通过光深度测定测量运动捕捉坐标系中的节段表面部分;
根据测定的表面部分确定运动捕捉坐标系中节段的三维形状;
采用适于节段坐标系的关节中心和三维节段形状构建球手模型;
预定密度适用于三维节段形状;
通过所述模型和三维节段形状采用的密度测定身体节段惯性参数。
59.根据权利要求40所述的方法,包括从以下技术或特征进行选择:
球手在采取各种姿势和动作进行光深度测定时穿着最少衣服;
以与逆动力学计算相关的格式构建球手模型;
在光深度测定中忽略显著混淆或扭曲节段表面测量或测定的物品;
着色显著混淆或扭曲节段表面测量的物品,以便在光深度测量中进行识别;
根据预定调整因素修正光深度测量中的衣服厚度;
与通过运动捕捉进行测量相比,在通过光深度测量进行测量时,球手穿着更简便的衣服;
进行其他处理活动前,在进行深度测量的同时提取球手的相连节段模型。
60.根据权利要求34所述的方法,包括从以下监控检查及相关技术和特征进行选择:
测量和记录人体测量标志时逐步构建球手和球杆模型,然后将所述逐步构建的模型展示给操作员或用户,据此向操作员或用户警示明显错误;
完成部分或全部球手身体节段惯性参数的测量和计算时,检查与以下各组-小腿、大腿、上臂和下臂的左右节段进行比较计算出的关节长度是否对称;
完成部分或全部球手身体节段惯性参数的测量和计算时,检查与球手脊柱相关各点是否对准,包括外肩关节、胸腔关节、腰椎关节分隔线中点以及髋关节分隔线中点;
完成部分或全部球手身体节段惯性参数的测量和计算时,检查适当修正和调整后的通过磅秤测定的重量与通过身体节段惯性参数测量和计算测定的重量的差异;
进行挥杆测量时,检查与以下各组-小腿、大腿、上臂和下臂的左右节段进行比较计算出的关节长度是否对称;
进行挥杆测量时,监控所计算关节中心的一致性,其中通过至少一个传感器跟踪包括髋关节和膝关节的关节中心;
进行挥杆测量时,监控与球手脊柱相关各点是否对准,包括外肩旋转关节分隔线中点、胸腔关节、腰椎关节的分隔线中点以及髋关节分隔线中点;
通过逆动力学完成基本挥杆分析计算时,比较并检查各关节力矩或功率的由近至远的计算和由远至近的计算,其中能计算有意义的精确度等级的两种参数;
通过逆动力学完成基本挥杆分析计算时,比较并检查挥杆时节段总能量的变化率和组合关节总功率的变化率;
自动进行检查,同时自动将结果传达给操作员或用户;
自动进行检查,同时立即自动将结果传达给操作员或用户,据此及时检测和/或校正故障;
将检查与若干可设定阈值电平联系起来,一个阈值向操作员或用户发出警告报警,提示进行系统检查,其后一个阈值发出更紧迫报警,防止在相关问题得到解决前继续测试。
61.根据权利要求34所述的方法,其中通过以下技术和特征的选择滤波测量信号,以消除信号噪声:
通过滤波器限定信号频率组成;
采用滤波器通过转换将噪声数据转换成频域;
单独设置滤波器,使测量特定身体节段运动或特定力输出时达到最佳性能;
通过计算时间导数时最终微分前的信号参数,利用滤波器消除噪声;
采用最优小波函数,已选择所述函数以通过利用互相关法或自相关方法试验试验不同小波并评价结果来获得信号频率组成的最佳表征;
在大量信号中将最佳值用于通过经验观测和判断从测量装置得到的分解信号的阈值处理。
62.根据权利要求34所述的方法,包括以下步骤:
将时序信号转换成小波变换;
将信号分解成不同小波;
确定小波阈值;
重新将结果转换成时序信号。
63.根据权利要求34所述的方法,包括以下步骤:
测量击球前的球杆头速度,并测定速度曲线的最佳估计值;
测量击球后的球杆头速度,并测定速度曲线的最佳估计值;
测量击球后的球速;
通过假设在标准击球持续时间内保持球和球杆头动量和恒定球杆头加速度确定击球时的球杆头速度变化;
通过结合击球时的球杆头速度变化调整击球前、击球时和击球后的球杆头速度曲线。
64.根据权利要求34所述的方法,其中通过检测击球冲击波确定击球时间,所述击球冲击波沿球杆头的远到近方向经球杆杆身和球手传播,通过经验数据修正从球杆头传播到感应点的击球冲击波的延迟。
65.根据权利要求34所述的方法,包括以下步骤:测量和测定大量球手的挥杆运动学参数、身体节段惯性参数和地面反作用力参数;
通过测得的运动学参数、身体节段惯性参数和地面反作用力参数测定的与球手体内能量产生和/或经球手身体和球杆进行能量传递相关的参数,所述参数应指能量参数;
通过地面反作用力参数输入和能量参数输出训练人工智能;
训练的人工智能通过最终使用挥杆中测得的地面反作用力参数预测最终使用挥杆的能量参数;
所述方法包括从以下特征和技术进行选择:
所述人工智能包括一个神经网络或一组神经网络;
分别测量左右脚的地面反作用力参数;
地面反作用力参数包括右脚、左脚及双脚的压力数据计算中心。
66.根据权利要求34至65中任一权利要求所述的方法,包括从以下技术或特征进行选择:
测量或分析集中或仅限于下挥杆;
所述方法适合以高加速率进行高尔夫挥杆,包括通过发球杆和长铁杆完成的挥杆;
所述方法不需要人员调整或操控参数或结果;
所述方法自动或基本自动操作;
所述方法不需要高技能人才操作;
所述方法便于球手操作;
所述方法操作快速且单位成本低;
包括专家和技术人员在内的操作员很少参与所述方法的操作;
所述方法适用于研究和分离好坏击球因素;
所述方法适用于教练职业和低差点球手;
所述方法适用于测定或计算足够精确的球手体内产生的能量和/或经球手身体和球杆传递的能量,可在实际有意义的个人高尔夫教练中使用;
所述方法产生有效且有意义地对比和评价相同球手的不同记录挥杆的精确结果;
所述方法适用于确定或计算精确的运动学或动力学参数,以便进行实际有意义的高尔夫教练或与有意义的高尔夫教练相关的活动;
测量或分析不需要依赖之前测量或分析所获得的运动学或动力学数据。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
IES2011/0430 | 2011-09-20 | ||
IES20110430 | 2011-09-20 | ||
PCT/EP2012/068008 WO2013041444A1 (en) | 2011-09-20 | 2012-09-13 | Apparatus and method for analysing a golf swing |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104159644A CN104159644A (zh) | 2014-11-19 |
CN104159644B true CN104159644B (zh) | 2017-07-14 |
Family
ID=47901528
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280045645.6A Active CN104159644B (zh) | 2011-09-20 | 2012-09-13 | 分析高尔夫挥杆的装置和方法 |
Country Status (8)
Country | Link |
---|---|
US (1) | US10307640B2 (zh) |
EP (1) | EP2758140A1 (zh) |
JP (1) | JP6207510B2 (zh) |
CN (1) | CN104159644B (zh) |
AU (1) | AU2012311685B2 (zh) |
CA (1) | CA2846281C (zh) |
IE (1) | IES20120412A2 (zh) |
WO (3) | WO2013041446A1 (zh) |
Families Citing this family (78)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7764641B2 (en) * | 2005-02-05 | 2010-07-27 | Cisco Technology, Inc. | Techniques for determining communication state using accelerometer data |
US9582072B2 (en) | 2013-09-17 | 2017-02-28 | Medibotics Llc | Motion recognition clothing [TM] with flexible electromagnetic, light, or sonic energy pathways |
US10716510B2 (en) | 2013-09-17 | 2020-07-21 | Medibotics | Smart clothing with converging/diverging bend or stretch sensors for measuring body motion or configuration |
US10602965B2 (en) | 2013-09-17 | 2020-03-31 | Medibotics | Wearable deformable conductive sensors for human motion capture including trans-joint pitch, yaw, and roll |
US10321873B2 (en) | 2013-09-17 | 2019-06-18 | Medibotics Llc | Smart clothing for ambulatory human motion capture |
US9588582B2 (en) | 2013-09-17 | 2017-03-07 | Medibotics Llc | Motion recognition clothing (TM) with two different sets of tubes spanning a body joint |
US9384671B2 (en) | 2013-02-17 | 2016-07-05 | Ronald Charles Krosky | Instruction production |
WO2014159726A1 (en) * | 2013-03-13 | 2014-10-02 | Mecommerce, Inc. | Determining dimension of target object in an image using reference object |
JP6027038B2 (ja) * | 2014-02-13 | 2016-11-16 | 美津濃株式会社 | 計測システム、および計測装置 |
DE102014006690A1 (de) * | 2014-05-09 | 2015-11-12 | Otto Bock Healthcare Gmbh | Verfahren zur Feststellung der Ausrichtung eines Systems und Anzeigesystem |
US10252106B2 (en) * | 2014-06-19 | 2019-04-09 | Sumitomo Rubber Industries, Ltd. | Golf swing analysis apparatus and golf club fitting apparatus |
KR101545654B1 (ko) * | 2014-06-26 | 2015-08-20 | 주식회사 아이파이브 | 개인별 맞춤형 운동 시스템 및 개인별 맞춤형 운동 방법 |
US9414784B1 (en) | 2014-06-28 | 2016-08-16 | Bertec Limited | Movement assessment apparatus and a method for providing biofeedback using the same |
US9173596B1 (en) * | 2014-06-28 | 2015-11-03 | Bertec Limited | Movement assessment apparatus and a method for providing biofeedback using the same |
US20160110593A1 (en) * | 2014-10-17 | 2016-04-21 | Microsoft Corporation | Image based ground weight distribution determination |
US10186041B2 (en) * | 2015-04-09 | 2019-01-22 | Electronics And Telecommunications Research Institute | Apparatus and method for analyzing golf motion |
CN104921397A (zh) * | 2015-06-01 | 2015-09-23 | 江苏省电力公司 | 动态捕捉头盔 |
CN104984537A (zh) * | 2015-07-28 | 2015-10-21 | 安徽工程大学 | 一种运动员跨栏过程姿态检测装置 |
WO2017127348A2 (en) * | 2016-01-21 | 2017-07-27 | Vf Imagewear, Inc. | Garment and system for baseball swing analysis |
EP3417776A4 (en) * | 2016-02-15 | 2019-07-10 | Keio University | SPINAL ALIGNMENT APPARATUS, SPINAL ALIGNMENT APPARATUS PROCESS AND SPINAL ALIGNMENT ASSESSMENT PROGRAM |
JP6717613B2 (ja) * | 2016-02-23 | 2020-07-01 | ブリヂストンスポーツ株式会社 | 計測システムおよび計測方法 |
AU2017288057B2 (en) * | 2016-06-30 | 2023-05-25 | 776BC International Pty Ltd | Garments, systems and methods for sports training |
CN107688465A (zh) * | 2016-08-04 | 2018-02-13 | 惠州学院 | 一种基于计算机视觉的挥杆动作分析系统 |
US11071887B2 (en) * | 2016-09-28 | 2021-07-27 | Bodbox, Inc. | Evaluation and coaching of athletic performance |
CN106725509B (zh) * | 2016-12-15 | 2020-04-07 | 佛山科学技术学院 | 生物力学信息的特征提取方法 |
CN108201690A (zh) * | 2016-12-17 | 2018-06-26 | 饶文艺 | 高尔夫球跟踪系统 |
KR101784415B1 (ko) * | 2017-02-16 | 2017-11-06 | 이민영 | 골프 스윙 교정 시스템 |
GB2560177A (en) | 2017-03-01 | 2018-09-05 | Thirdeye Labs Ltd | Training a computational neural network |
GB2560387B (en) * | 2017-03-10 | 2022-03-09 | Standard Cognition Corp | Action identification using neural networks |
US10474991B2 (en) | 2017-08-07 | 2019-11-12 | Standard Cognition, Corp. | Deep learning-based store realograms |
US11200692B2 (en) | 2017-08-07 | 2021-12-14 | Standard Cognition, Corp | Systems and methods to check-in shoppers in a cashier-less store |
US10853965B2 (en) | 2017-08-07 | 2020-12-01 | Standard Cognition, Corp | Directional impression analysis using deep learning |
US10650545B2 (en) | 2017-08-07 | 2020-05-12 | Standard Cognition, Corp. | Systems and methods to check-in shoppers in a cashier-less store |
US11232687B2 (en) | 2017-08-07 | 2022-01-25 | Standard Cognition, Corp | Deep learning-based shopper statuses in a cashier-less store |
US11250376B2 (en) | 2017-08-07 | 2022-02-15 | Standard Cognition, Corp | Product correlation analysis using deep learning |
US10474988B2 (en) | 2017-08-07 | 2019-11-12 | Standard Cognition, Corp. | Predicting inventory events using foreground/background processing |
WO2019032093A1 (en) * | 2017-08-08 | 2019-02-14 | I/P Solutions, Inc. | SYSTEM AND METHOD FOR USER ALIGNMENT AND SPORTS EQUIPMENT ACCESSORY |
TWI672668B (zh) * | 2017-10-20 | 2019-09-21 | Tungfang Design University | 高爾夫球桿頭自動建模系統及方法 |
KR101982679B1 (ko) * | 2017-10-31 | 2019-05-27 | 대구대학교 산학협력단 | 골프클럽의 기울기를 이용한 사용자의 관절 각도 추정 방법 |
US11321605B2 (en) * | 2017-11-13 | 2022-05-03 | Dassault Systemes Solidworks Corporation | Automatic assembly mate creation for frequently-used components |
US10606231B2 (en) * | 2017-11-17 | 2020-03-31 | International Business Machines Corporation | Computer-mediated reality including physical damping feedback |
JP6993866B2 (ja) * | 2017-12-21 | 2022-01-14 | 株式会社ブリヂストン | ゴルフスイング評価システムおよびゴルフスイング評価方法 |
US10375632B1 (en) * | 2018-02-06 | 2019-08-06 | Google Llc | Power management for electromagnetic position tracking systems |
KR102494207B1 (ko) * | 2018-02-09 | 2023-02-03 | (주)지티에스골프 | 5개의 다중 센서장치를 이용한 사용자의 골프 스윙 가상화 방법 |
KR102494214B1 (ko) * | 2018-02-09 | 2023-02-03 | (주)지티에스골프 | 4개의 다중 센서장치를 이용한 사용자의 골프 스윙 자세 교정 방법 |
KR102494213B1 (ko) * | 2018-02-09 | 2023-02-03 | (주)지티에스골프 | 4개의 다중 센서장치를 이용한 3개의 센서장치 기반 골프 스윙 가상화 방법 |
KR102494211B1 (ko) * | 2018-02-09 | 2023-02-03 | (주)지티에스골프 | 5개의 다중 센서장치를 이용한 사용자의 골프 스윙 자세 교정 방법 |
KR102494210B1 (ko) * | 2018-02-09 | 2023-02-03 | (주)지티에스골프 | 5개의 다중 센서장치를 이용한 4개의 센서장치 기반 골프 스윙 가상화 방법 |
KR102494212B1 (ko) * | 2018-02-09 | 2023-02-03 | (주)지티에스골프 | 4개의 다중 센서장치를 이용한 사용자의 골프 스윙 가상화 방법 |
WO2019167214A1 (ja) * | 2018-03-01 | 2019-09-06 | 株式会社ソニー・インタラクティブエンタテインメント | 推定装置、推定方法及びプログラム |
JP7070675B2 (ja) | 2018-05-28 | 2022-05-18 | 富士通株式会社 | 表示方法、表示プログラムおよび情報処理装置 |
JP7442258B2 (ja) * | 2018-05-31 | 2024-03-04 | ブリヂストンスポーツ株式会社 | 評価方法および評価システム |
EP3830811A1 (en) * | 2018-07-27 | 2021-06-09 | Tyromotion GmbH | System and method for physical training of a body part |
CA3115589A1 (en) | 2018-10-09 | 2020-04-16 | Brian Francis Mooney | Coaching, assessing or analysing unseen processes in intermittent high-speed human motions, including golf swings |
US10799759B2 (en) * | 2018-11-16 | 2020-10-13 | Acushnet Company | Golf equipment identification and fitting system |
US20200215376A1 (en) * | 2019-01-07 | 2020-07-09 | Spencer Bishop | Smartbell |
US11198051B2 (en) * | 2019-03-04 | 2021-12-14 | PD Golf LLC | System and method for detecting lower body positions, movements, and sequence in golf swing training |
US11648443B2 (en) * | 2019-03-22 | 2023-05-16 | Golf Supply of the Low Country, LLC | Custom golf club fitting |
US11079860B2 (en) * | 2019-04-04 | 2021-08-03 | Finch Technologies Ltd. | Kinematic chain motion predictions using results from multiple approaches combined via an artificial neural network |
US11232575B2 (en) | 2019-04-18 | 2022-01-25 | Standard Cognition, Corp | Systems and methods for deep learning-based subject persistence |
JP7223370B2 (ja) * | 2019-05-08 | 2023-02-16 | 住友ゴム工業株式会社 | スイング解析装置 |
KR20210039875A (ko) * | 2019-10-02 | 2021-04-12 | 주식회사 모아이스 | 골프 스윙에 관한 정보를 추정하기 위한 방법, 디바이스 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
US11458362B1 (en) * | 2019-10-11 | 2022-10-04 | Bertec Corporation | Swing analysis system |
US11790536B1 (en) * | 2019-10-11 | 2023-10-17 | Bertec Corporation | Swing analysis system |
CN111062136B (zh) * | 2019-12-20 | 2024-02-09 | 南京大学 | 一种实时的衣物形态确定方法及系统 |
CN111353483B (zh) * | 2020-05-25 | 2020-10-16 | 深圳大学 | 一种杆状设施结构特征提取方法及相关设备 |
US11361468B2 (en) | 2020-06-26 | 2022-06-14 | Standard Cognition, Corp. | Systems and methods for automated recalibration of sensors for autonomous checkout |
US11303853B2 (en) | 2020-06-26 | 2022-04-12 | Standard Cognition, Corp. | Systems and methods for automated design of camera placement and cameras arrangements for autonomous checkout |
JP7555802B2 (ja) | 2020-11-27 | 2024-09-25 | ブリヂストンスポーツ株式会社 | 推定装置および推定方法 |
CN113096337B (zh) * | 2021-04-08 | 2022-11-11 | 中国人民解放军军事科学院国防工程研究院工程防护研究所 | 用于复杂背景的移动目标识别处理方法及智能安防系统 |
CN113040784B (zh) * | 2021-04-21 | 2022-07-05 | 福州大学 | 一种心电信号的肌电噪声滤波方法 |
KR102672275B1 (ko) * | 2021-06-24 | 2024-06-04 | 가톨릭관동대학교산학협력단 | 지면반력 정보를 활용한 요추부 근육력 추정 장치 및 그 방법 |
US20230070986A1 (en) * | 2021-08-31 | 2023-03-09 | Rapsodo Pte. Ltd. | Deep learning method of determining golf club parameters from both radar signal and image data |
EP4449235A2 (en) * | 2021-12-17 | 2024-10-23 | Refract Technologies Pte Ltd | Tracking system for simulating body motion |
CN115014607B (zh) * | 2022-05-12 | 2024-09-03 | 深圳市恒天伟焱科技股份有限公司 | 测量控制方法、装置、电子设备及存储介质 |
US11691051B1 (en) | 2022-07-26 | 2023-07-04 | PD Golf LLC | Golf swing training device |
CN116115217B (zh) * | 2023-01-13 | 2024-09-13 | 电子科技大学 | 一种基于深度网络的人体下肢步态相位估计方法 |
TWI821129B (zh) * | 2023-02-24 | 2023-11-01 | 國立虎尾科技大學 | 田徑鏈球項目之整合型感測分析系統 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101156985A (zh) * | 2007-11-07 | 2008-04-09 | 苏州高富电子科技有限公司 | 高尔夫挥杆智能分析练习器 |
CN101918090A (zh) * | 2007-11-05 | 2010-12-15 | 布莱恩·弗朗西斯·穆尼 | 分析高尔夫球挥杆的设备和方法 |
CN102058969A (zh) * | 2009-11-12 | 2011-05-18 | 耐克国际有限公司 | 用于分析高尔夫挥杆的方法和装置 |
Family Cites Families (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5625577A (en) | 1990-12-25 | 1997-04-29 | Shukyohojin, Kongo Zen Sohonzan Shorinji | Computer-implemented motion analysis method using dynamics |
US5772522A (en) | 1994-11-23 | 1998-06-30 | United States Of Golf Association | Method of and system for analyzing a golf club swing |
US5697791A (en) | 1994-11-29 | 1997-12-16 | Nashner; Lewis M. | Apparatus and method for assessment and biofeedback training of body coordination skills critical and ball-strike power and accuracy during athletic activitites |
US6050963A (en) * | 1998-06-18 | 2000-04-18 | Innovative Sports Training, Inc. | System for analyzing the motion of lifting an object |
US6697820B1 (en) * | 2000-01-14 | 2004-02-24 | Martin B. Tarlie | System for and method of golf performance recordation and analysis |
US6778866B1 (en) * | 2000-03-16 | 2004-08-17 | Ted S. Bettwy | Method and apparatus for learning specific body motion |
US7118498B2 (en) | 2000-06-16 | 2006-10-10 | Skyhawke Technologies, Llc | Personal golfing assistant and method and system for graphically displaying golf related information and for collection, processing and distribution of golf related data |
US20020064764A1 (en) | 2000-11-29 | 2002-05-30 | Fishman Lewis R. | Multimedia analysis system and method of use therefor |
US6702691B2 (en) * | 2002-08-12 | 2004-03-09 | Callaway Golf Company | Static pose fixture |
GB0316002D0 (en) | 2003-07-09 | 2003-08-13 | Univ Aston | Sensing system and method |
US7736242B2 (en) * | 2004-03-23 | 2010-06-15 | Nike, Inc. | System for determining performance characteristics of a golf swing |
IES20050288A2 (en) * | 2005-05-06 | 2006-11-15 | Brian Francis Mooney | Measurement and analysis of foot related forces during a golf swing |
US7403202B1 (en) | 2005-07-12 | 2008-07-22 | Electronic Arts, Inc. | Computer animation of simulated characters using combinations of motion-capture data and external force modelling or other physics models |
US7801332B2 (en) * | 2007-01-12 | 2010-09-21 | International Business Machines Corporation | Controlling a system based on user behavioral signals detected from a 3D captured image stream |
US7840031B2 (en) * | 2007-01-12 | 2010-11-23 | International Business Machines Corporation | Tracking a range of body movement based on 3D captured image streams of a user |
JP4388567B2 (ja) * | 2007-06-26 | 2009-12-24 | 学校法人 関西大学 | ゴルフクラブ解析方法 |
US20090017930A1 (en) | 2007-07-11 | 2009-01-15 | Acushnet Company | Method for measuring golf swing efficiency |
GB0820473D0 (en) * | 2008-11-07 | 2008-12-17 | Initial Force As | Motion analysis apparatus |
JP5367492B2 (ja) * | 2009-07-31 | 2013-12-11 | ダンロップスポーツ株式会社 | ゴルフクラブの評価方法 |
US9981193B2 (en) * | 2009-10-27 | 2018-05-29 | Harmonix Music Systems, Inc. | Movement based recognition and evaluation |
KR101587962B1 (ko) * | 2010-12-22 | 2016-01-28 | 한국전자통신연구원 | 모션 캡처 장치 및 방법 |
US8696450B2 (en) * | 2011-07-27 | 2014-04-15 | The Board Of Trustees Of The Leland Stanford Junior University | Methods for analyzing and providing feedback for improved power generation in a golf swing |
JP5725296B2 (ja) | 2011-07-29 | 2015-05-27 | セイコーエプソン株式会社 | 運動情報生成装置、運動情報生成プログラム及び記録媒体 |
JP5912415B2 (ja) * | 2011-10-27 | 2016-04-27 | セイコーエプソン株式会社 | ゴルフスイング解析装置およびゴルフスイング解析方法 |
-
2012
- 2012-09-13 EP EP12775627.8A patent/EP2758140A1/en active Pending
- 2012-09-13 AU AU2012311685A patent/AU2012311685B2/en active Active
- 2012-09-13 WO PCT/EP2012/068010 patent/WO2013041446A1/en active Application Filing
- 2012-09-13 WO PCT/EP2012/068008 patent/WO2013041444A1/en active Application Filing
- 2012-09-13 US US14/345,626 patent/US10307640B2/en active Active
- 2012-09-13 CA CA2846281A patent/CA2846281C/en active Active
- 2012-09-13 WO PCT/EP2012/068009 patent/WO2013041445A1/en active Application Filing
- 2012-09-13 CN CN201280045645.6A patent/CN104159644B/zh active Active
- 2012-09-13 JP JP2014531177A patent/JP6207510B2/ja active Active
- 2012-09-19 IE IES20120412A patent/IES20120412A2/en unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101918090A (zh) * | 2007-11-05 | 2010-12-15 | 布莱恩·弗朗西斯·穆尼 | 分析高尔夫球挥杆的设备和方法 |
CN101156985A (zh) * | 2007-11-07 | 2008-04-09 | 苏州高富电子科技有限公司 | 高尔夫挥杆智能分析练习器 |
CN102058969A (zh) * | 2009-11-12 | 2011-05-18 | 耐克国际有限公司 | 用于分析高尔夫挥杆的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
US20140342844A1 (en) | 2014-11-20 |
AU2012311685A1 (en) | 2014-03-13 |
WO2013041446A8 (en) | 2013-08-08 |
WO2013041445A1 (en) | 2013-03-28 |
EP2758140A1 (en) | 2014-07-30 |
CN104159644A (zh) | 2014-11-19 |
WO2013041444A1 (en) | 2013-03-28 |
AU2012311685B2 (en) | 2017-06-08 |
CA2846281C (en) | 2019-09-10 |
CA2846281A1 (en) | 2013-03-28 |
US10307640B2 (en) | 2019-06-04 |
IES20120412A2 (en) | 2013-03-27 |
WO2013041446A1 (en) | 2013-03-28 |
JP2014530047A (ja) | 2014-11-17 |
JP6207510B2 (ja) | 2017-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104159644B (zh) | 分析高尔夫挥杆的装置和方法 | |
CN104274183B (zh) | 动作信息处理装置 | |
CN102567638B (zh) | 一种基于微型传感器的交互式上肢康复系统 | |
KR102107379B1 (ko) | 3축 동작측정기를 이용한 노쇠 예측 방법, 3축 동작측정기를 이용한 노쇠 예측 시스템 및 웨어러블 노쇠 예측 장치 | |
AU2017386412A1 (en) | Systems and methods for real-time data quantification, acquisition, analysis, and feedback | |
WO2015162158A1 (en) | Human motion tracking | |
CN106821388A (zh) | 脑卒中病人下肢康复定量评估方法 | |
Mazomenos et al. | Detecting elementary arm movements by tracking upper limb joint angles with MARG sensors | |
CN107115102A (zh) | 一种骨关节功能评估方法与装置 | |
Atallah et al. | Detecting walking gait impairment with an ear-worn sensor | |
Catena et al. | Does the anthropometric model influence whole-body center of mass calculations in gait? | |
CN103785157A (zh) | 人体运动类型识别准确度提高方法 | |
Prajapati et al. | A review on clinical gait analysis | |
CN108471941A (zh) | 主动矫正系统 | |
Zebin et al. | Inertial sensing for gait analysis and the scope for sensor fusion | |
CN108898119B (zh) | 一种弯曲动作识别方法 | |
Li et al. | Dynamic monitoring method of physical training intensity based on wearable sensors | |
Barzyk et al. | AI‐smartphone markerless motion capturing of hip, knee, and ankle joint kinematics during countermovement jumps | |
TWI796035B (zh) | 生物力學評量系統,其生物力學感測裝置及生物力學評量平台 | |
JP7198393B1 (ja) | 乳幼児の発達段階算出システム | |
Manoharan et al. | Exercise evaluation using wrist sensors | |
Rezaei | Towards wearable platform for accurate unconstrained trunk motion tracking using inertial and strain sensors data fusion | |
Hutabarat | Multimodal Quantitative Gait Assessment Using Minimal Wearable Sensors | |
Nguyen | Objective assessment of movement disabilities using wearable sensors | |
Hiranthi et al. | Motion Tracking Based Lower Limb Musculoskeletal Imbalance Identification Mechanism Using Kinematic Analysis of Human Gait Cycle |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |